基于LSTM+MIDAS深度学习模型的电力需求预测

作     者：洪小林 Hong Xiaolin

作者机构：河海大学理学院江苏南京210098 

出 版 物：《能源与环保》 (CHINA ENERGY AND ENVIRONMENTAL PROTECTION)

年 卷 期：2021年第43卷第6期

页      码：229-235页

摘      要：为了准确预测不同用电设施的电力需求模式,设计了一种基于长短期记忆网络(LSTM)深度学习方法的自定义电力需求预测模型。利用混合数据抽样(MIDAS)方法对自回归分布滞后(ARDL)进行改进,提出了LSTM+MIDAS模型的电力需求预测方法。通过每天以5 min的频率收集住宅、市政厅、医院、工业等4类设施的用电数据,采用短期、长期、季节性预测3种方法进行了对比试验,通过测试验证了预测模型的误差率,分析了实际用电需求监测系统中电力模式的季节性波动规律,并预测各设施的用电需求。实验结果表明,利用所提出的LSTM+MIDAS模型进行电力需求预测的总体误差率均有所降低,并且可以有效检测电力需求波动性。

主 题 词：智能电网 用电模式 LSTM 深度学习 电力需求预测 

学科分类：08[工学] 080203[080203] 0802[工学-机械学] 

D　O　I：10.19389/j.cnki.1003-0506.2021.06.040

馆 藏 号：203103739...