基于深度長短時記憶網絡的區域級超短期負荷預測方法
摘要：超短期負荷預測為實時電力市場運行提供重要依據,預測準確度的提升對于揭示負荷變化的不確定性以及日前預測偏差具有重要意義。基于電力系統中含有的豐富大數據資源,提出了一種針對區域級負荷的深度長短時記憶網絡超短期預測方法,該方法包括輸入數據的預處理、深度長短時記憶(long short-termmemory,LSTM)網絡的構建以及模型的訓練和超參數的尋找等步驟。其中采用隨機搜索的方法尋找最優超參數,并在該超參數下選擇泛化能力最優的模型,與前沿機器學習預測算法進行對比。實驗結果證實,深度LSTM網絡可以取得更好的預測效果,適合于離線訓練實時預測。此外,通過對隱藏層激活向量的可視化展示和相關關系定量計算,首次直觀展示了深度LSTM算法對負荷數據中含有的抽象特征提取情況,證實了深度LSTM具有對輸入負荷數據特征學習以及長短期相關性挖掘的能力。
注: 保護知識產權,如需閱讀全文請聯系電網技術雜志社
相關推薦
更多
