10.13334/j.0258-8013.pcsee.213111
基于LSTNet-Skip的综合能源系统多元负荷超短期预测
随着用户侧用能需求多元化的发展,多元负荷的超短期预测对于动态的大型综合能源系统的规划和优化至关重要.为此,该文提出一种基于长期和短期时间序列网络的多元负荷超短期预测模型.首先采用卷积神经网络来提取多元负荷之间的局部依赖关系,然后使用长短期记忆网络捕获负荷序列的长期依赖关系,使用具有循环跳过结构的长短期记忆网络充分学习负荷序列的超长期重复模式,最后采用自回归层和全连接层进行组合预测.使用平均绝对百分比误差和均方根误差作为评价指标,利用美国亚利桑那州立大学坦佩校区综合能源系统数据集进行验证,并与3种负荷预测方法比较.实验结果表明,提出的预测模型均优于其他方法且有较高的预测精度.
综合能源系统、超短期、多元负荷预测、循环跳过、自回归
43
TM73(输配电工程、电力网及电力系统)
2023-04-06(万方平台首次上网日期,不代表论文的发表时间)
共11页
2273-2282,中插18