二次指数平滑多目标组合模型电力负荷预测

摘要：

为提高短期电力负荷预测精度,提出一种二次指数平滑多目标组合模型ES-BiLSTM-LSTM预测方法.通过获取负荷目标预测值和残差目标预测值,实现多目标负荷预测;利用Pearson相关系数,选取与电力负荷相关性较高的影响因素;采用双向长短期记忆神经网络(BiLSTM)和长短期记忆神经网络(LSTM)串行学习负荷数据的时序性特征和周期性特征;利用二次指数平滑法平滑处理负荷数据,获得残差项,通过LSTM模型训练和迭代,提取残差数据的波动性特征;将负荷预测值与残差预测值融合得到修正预测值.实验结果表明,该方法在MAE、MSE和RMSE上,对比 3 种负荷预测模型均有提升.

关键词：短期电力负荷、多目标预测、组合模型、长短期记忆神经网络、二次指数平滑、皮尔逊相关系数、残差项

所属期刊栏目：44

分类号：TP391(计算技术、计算机技术)

资助基金：国家电网有限公司总部科技项目;河北省自然科学基金

在线出版日期：2023-09-19（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：2541-2547