基于LSTM网络的住宅负荷短期预测

被引：26

作者：

谢明磊

机构：

[1] 广东电网有限责任公司梅州供电局

来源：

广东电力 | 2019年 / 32卷 / 06期

关键词：

长短期记忆网络; 主成分分析; ADAM算法; 负荷预测; 信息冗余;

D O I：

暂无

中图分类号：

TM715 [电力系统规划]; TM76 [电力系统的自动化];

学科分类号：

080802 [电力系统及其自动化];

摘要：

在智能电网中,若未考虑海量的住宅负荷和气象数据的相关性,就会导致输入信息冗余,为此提出一种长短期记忆(long short-term memory,LSTM)网络的住宅负荷短期预测方法。该方法首先利用LSTM网络对负荷数据、日期类型、气象数据进行动态建模,然后采用主成分分析对气象等数据进行特征选择以过滤掉数据间的冗余信息,最后使用自适应矩估计(adaptive moment estimation, ADAM)算法优化后的LSTM网络参数提高模型的泛化能力。采用美国马萨诸塞州某小区公寓实测数据进行短期负荷预测,结果验证了所提方法的有效性和实用性。

引用

页码：108 / 114

页数：7

共 17 条

[1]

Hourly day-ahead solar irradiance prediction using weather forecasts by LSTM.[J].Xiangyun Qing;Yugang Niu.Energy.2018,

[2]

Long short-term memory neural network for traffic speed prediction using remote microwave sensor data.[J].Xiaolei Ma;Zhimin Tao;Yinhai Wang;Haiyang Yu;Yunpeng Wang.Transportation Research Part C.2015,

[3]

Learning to forget: Continual prediction with LSTM [J].