基于LSTM人工神经网络的电力系统负荷预测方法

摘要

针对电力市场环境下短期电力系统负荷预测准确性较低的问题，提出了一种基于LSTM人工神经网络的组合预测模型。分析了LSTM神经网络和其变体GRU神经网络在进行负荷预测时学习时序特征的独特优势，并以卷积神经网络作为负荷数据的特征提取层，结合GRU网络构建了组合模型，通过建立残差预测模型对结果进行修正。仿真结果表明，具有记忆功能的神经网络预测效果要优于ANN和SVM模型，且所提出残差预测模型的负荷预测平均相对误差约为1.79%,其准确性高于单一算法的负荷预测模型。

关键词

负荷预测 / 人工神经网络 / 长短期记忆 / 卷积神经网络 / 平均相对误差 / 残差修正 / 特征提取 / 组合模型

基金资助

贵州省科学技术基金项目(黔科合基础[2018]1179号)