李鑫,王哲,王文义,薛腾,邢梓豪,谢华辰.基于多天气特征的短期负荷预测模型研究[J].电工技术,2024(20):97-101
基于多天气特征的短期负荷预测模型研究
  
DOI：10.19768/j.cnki.dgjs.2024.20.026
中文关键词:  电力负荷预测  天气特征  深度挖掘  最适预测尺度
英文关键词:
基金项目:
作者单位
李鑫 输配电装备及系统安全与新技术国家重点实验室(重庆大学) 
王哲 国网山东省电力公司平邑县供电公司 
王文义 国网山东省电力公司费县供电公司 
薛腾 输配电装备及系统安全与新技术国家重点实验室(重庆大学) 
邢梓豪 输配电装备及系统安全与新技术国家重点实验室(重庆大学) 
谢华辰 输配电装备及系统安全与新技术国家重点实验室(重庆大学) 
摘要点击次数: 61
全文下载次数: 0
中文摘要:
      神经网络预测近年来逐渐成为电力负荷预测领域的研究热点，但缺乏对天气特征之间依赖关系的挖掘，且选取预测时长时无科学指导。针对电力负荷波动大、随机性强的特点，提出基于多天气特征的短期负荷预测模型。模型将7天定为最适预测尺度，使用基于RNN改进的LSTM深度神经网络对负荷数据和多种天气特征数据之间的关系进行深度挖掘。在基于当天实际天气与负荷数据进行的未来7天电力负荷预测实验中，模型取得了94.131%的预测准确率。
英文摘要:
      
查看全文  查看/发表评论  下载PDF阅读器