基于单步预测LSTM的短期负荷预测模型

摘要：

针对目前智能电网下负荷数据存在特征相关性低与序列非平稳性的特点,为达到提高短期负荷预测精度的目的,提出一种单步负荷预测的双层LSTM模型的方法,除了考虑的地理区域的天气数据外,还使用负荷的时间序列.首先采用最大信息系数(MIC)对多源异构特征进行提取,随后使用随机森林和递归特征消除(RFE)用于特征选择,将对异常值敏感、鲁棒性好的Robust标准化方法应用于所选特征的预处理中,最后由单步预测的双层LSTM模型预测结果.文章所搭建的负荷预测模型具有数据强相关性特征、预测精度高的优点.依据数据实验结果,取得了 1.38％的MAPE值.并且与其它预测模型相比,基于单步预测LSTM的短期负荷预测方法的预测精度提高效果明显.

关键词：最大信息系数、随机森林、标准化、单步预测模型、短期负荷预测

所属期刊栏目：39

分类号：TM743(输配电工程、电力网及电力系统)

资助基金：国家自然科学基金;上海市自然科学基金;上海电力大学智能电网中心;上海市科学技术委员会补助金

在线出版日期：2022-07-28（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：98-102,117