基于深度学习的短期电力负荷预测

被引：31

作者：

姚栋方 ^{[1
]}

吴瀛 ^{[1
]}

罗磊 ^{[1
]}

阎帅 ^{[1
]}

武文广 ^{[2
]}

丁宏 ^{[2
]}

机构：

[1] 中国南方电网有限责任公司超高压输电公司检修试验中心

[2] 南瑞集团(国网电力科学研究院)有限公司

来源：

国外电子测量技术 | 2020年 / 39卷 / 01期

关键词：

深度学习; 短期负荷预测; MLP; LSTM; Keras;

D O I：

10.19652/j.cnki.femt.1901695

中图分类号：

TM715 [电力系统规划]; TP18 [人工智能理论];

学科分类号：

080802 [电力系统及其自动化]; 140502 [人工智能];

摘要：

电力负荷预测在智能电网中发挥着重要作用,精准的负荷预测对优化电力系统规划有着重要作用。为解决用户级负荷数据随机性和波动性较强造成短期负荷预测精度低下的问题,利用深度学习方法,基于Keras搭建负荷预测模型,提出一种新的损失函数实现短期/超短期电力负荷的高精度预测。结合某城市的用电和气象数据,采用多层感知机(MLP)和长短期记忆网络(LSTM)两种神经网络测试所提出损失函数的预测效果。仿真结果表明,采用深度学习可以有效预测短期电力负荷变化趋势,且MLP网络的预测精度高于LSTM,表明更多的先验知识有益于预测精度的提高。

引用

页码：44 / 48

页数：5

共 16 条

[1]

深度学习模型的高效训练算法研究 [D].