基于CNN-LSTM混合神经网络模型的短期负荷预测方法

被引：357

作者：

陆继翔 ^{[1
,2
]}

张琪培 ^{[1
]}

杨志宏 ^{[1
,2
]}

涂孟夫 ^{[1
,2
]}

陆进军 ^{[1
,2
]}

彭晖 ^{[1
,2
]}

机构：

[1] 南瑞集团有限公司(国网电力科学研究院有限公司)

[2] 智能电网保护和运行控制国家重点实验室

来源：

电力系统自动化 | 2019年 / 43卷 / 08期

基金：

国家重点研发计划;

关键词：

短期负荷预测; 卷积神经网络; 长短期记忆网络; 卷积神经网络—长短期记忆网络混合模型;

D O I：

暂无

中图分类号：

TM715 [电力系统规划];

学科分类号：

080802 ;

摘要：

为了更好地挖掘海量数据中蕴含的有效信息,提高短期负荷预测精度,针对负荷数据时序性和非线性的特点,提出了一种基于卷积神经网络(CNN)和长短期记忆(LSTM)网络的混合模型短期负荷预测方法,将海量的历史负荷数据、气象数据、日期信息以及峰谷电价数据按时间滑动窗口构造连续特征图作为输入,先采用CNN提取特征向量,将特征向量以时序序列方式构造并作为LSTM网络输入数据,再采用LSTM网络进行短期负荷预测。使用所提方法对江苏省某地区电力负荷数据进行预测实验,实验结果表明,文中所提出的预测方法比传统负荷预测方法、随机森林模型负荷预测模型方法和标准LSTM网络负荷预测方法具有更高的预测精度。

引用

页码：131 / 137

页数：7

共 19 条

[1] 适用于海量负荷数据分类的高性能反向传播神经网络算法
刘洋
许立雄
[J]. 电力系统自动化, 2018, 42 (21) : 96 - 103
[2] 基于深度学习LSTM网络的短期电力负荷预测方法
陈卓
孙龙祥
[J]. 电子技术, 2018, 47 (01) : 39 - 41
[3] 基于深度信念网络的短期负荷预测方法
孔祥玉
郑锋
鄂志君
曹旌
王鑫
[J]. 电力系统自动化, 2018, 42 (05) : 133 - 139
[4] 语言先验知识对神经网络模型自然语言处理任务的影响
贝超
胡珀
[J]. 中文信息学报, 2017, 31 (06) : 10 - 17
[5] 基于自回归积分滑动平均模型的可转移负荷竞价策略
艾欣
周志宇
魏妍萍
张宏志
李乐
[J]. 电力系统自动化, 2017, 41 (20) : 26 - 31
[6] 深度学习框架下LSTM网络在短期电力负荷预测中的应用
陈亮
王震
王刚
[J]. 电力信息与通信技术, 2017, 15 (05) : 8 - 11
[7] 基于改进型BP神经网络的电网负荷预测
朱海兵
崔玉
熊浩
[J]. 现代电子技术, 2016, 39 (20) : 64 - 66
[8] 基于Hadoop架构的多重分布式BP神经网络的短期负荷预测方法
苏学能
刘天琪
曹鸿谦
焦慧明
于亚光
何川
沈骥
[J]. 中国电机工程学报, 2017, 37 (17) : 4966 - 4973
[9] 实现影响因素多源异构融合的短期负荷预测支持向量机算法
吴倩红
高军
侯广松
韩蓓
汪可友
李国杰
[J]. 电力系统自动化, 2016, 40 (15) : 67 - 72
[10] 基于灰色投影改进随机森林算法的电力系统短期负荷预测
吴潇雨
和敬涵
张沛
胡骏
[J]. 电力系统自动化, 2015, 39 (12) : 50 - 55

← 1 2 →