电网技术

2019, v.43;No.427(06) 1884-1892

[打印本页] [关闭]
本期目录(Current Issue) | 过刊浏览(Past Issue) | 高级检索(Advanced Search)

基于深度长短时记忆网络的区域级超短期负荷预测方法
A Very Short-term Load Forecasting Method Based on Deep LSTM RNN at Zone Level

张宇帆;艾芊;林琳;袁帅;李昭昱;

摘要(Abstract):

超短期负荷预测为实时电力市场运行提供重要依据,预测准确度的提升对于揭示负荷变化的不确定性以及日前预测偏差具有重要意义。基于电力系统中含有的丰富大数据资源,提出了一种针对区域级负荷的深度长短时记忆网络超短期预测方法,该方法包括输入数据的预处理、深度长短时记忆(long short-termmemory,LSTM)网络的构建以及模型的训练和超参数的寻找等步骤。其中采用随机搜索的方法寻找最优超参数,并在该超参数下选择泛化能力最优的模型,与前沿机器学习预测算法进行对比。实验结果证实,深度LSTM网络可以取得更好的预测效果,适合于离线训练实时预测。此外,通过对隐藏层激活向量的可视化展示和相关关系定量计算,首次直观展示了深度LSTM算法对负荷数据中含有的抽象特征提取情况,证实了深度LSTM具有对输入负荷数据特征学习以及长短期相关性挖掘的能力。

关键词(KeyWords): 超短期负荷预测;深度LSTM;循环神经网络;可视化;相关性

Abstract:

Keywords:

基金项目(Foundation): 国家电网公司总部科技项目“基于多能互补的微网规划与运行控制技术研究及应用”(52060018000N)~~

作者(Author): 张宇帆;艾芊;林琳;袁帅;李昭昱;

Email:

DOI: 10.13335/j.1000-3673.pst.2018.2101

参考文献(References):

扩展功能
本文信息
服务与反馈
本文关键词相关文章
本文作者相关文章
中国知网
分享