考虑多时间尺度数据的中长期负荷预测方法

精确的负荷预测对电力系统至关重要。智能电网数据庞大、统计口径不同、结构复杂,影响负荷的因素复杂多变,较多影响因素数据分布在不同时间尺度上,需考虑多尺度数据间的依赖性,充分利用不同时间尺度的数据才能做出准确且稳定可靠的中长期预测。该文提出一种堆叠长短期记忆(long-termandshort-termmemory,LSTM)网络模型,将不同时间尺度的历史负荷数据、地区经济数据和气候数据信息整合到模型中,为防止神经网络的过拟合,对神经网络中除偏置参数以外的全部参数进行正则化处理。以广东电网的真实负荷数据进行算例分析。实验结果表明,该方法所提出的堆叠长短期记忆循环神经网络模型与单一神经网络模型和堆叠支持向量机模型相比,有效提高了负荷预测准确率。