基于约束并行LSTM分位数回归的短期电力负荷概率预测方法

被引：108

作者：

李丹 ^{[1
]}

张远航 ^{[1
]}

杨保华 ^{[2
]}

王奇 ^{[3
]}

机构：

[1] 三峡大学电气与新能源学院

[2] 新能源微电网湖北省协同创新中心

[3] 梯级水电站运行与控制湖北省重点实验室

来源：

电网技术 | 2021年 / 45卷 / 04期

关键词：

负荷概率预测; 长短期记忆神经网络; 分位数回归; 分位数交叉; 深度学习技术;

D O I：

暂无

中图分类号：

TM715 [电力系统规划]; TP183 [人工神经网络与计算];

学科分类号：

080802 [电力系统及其自动化]; 140502 [人工智能];

摘要：

负荷概率预测能准确量化负荷的不确定性,为电力系统运行决策提供全面的预测信息。针对负荷的时序性特点以及现有分位数回归方法存在的分位数预测值交叉问题,提出了一种基于约束并行长短期记忆神经网络分位数回归的短期电力负荷概率预测方法。该方法结合长短期记忆神经网络与分位数回归,并行生成预测负荷的多个分位数结果,并加入考虑分位数预测值之间约束关系的组合层,以保证分位数预测值的合理性。实际算例结果表明,与常见负荷概率预测方法相比,所提方法不仅具有更高的预测效率,而且能获得更合理的分位数预测结果。

引用

页码：1356 / 1364

页数：9

共 17 条

[1]

基于实时电价和加权灰色关联投影的SVM电力负荷预测 [J].