[1]陈伟伟,荆世博,边家瑜,等.基于长短期记忆神经网络的电力用电量预测[J].机械与电子,2024,42(05):18-23.
　CHEN Weiwei,JING Shibo,BIAN Jiayu,et al.Power Consumption Prediction Based on Long Short-term Memory Neural Networks[J].Machinery & Electronics,2024,42(05):18-23.
点击复制

基于长短期记忆神经网络的电力用电量预测()

分享到：

《机械与电子》[ISSN:1001-2257/CN:52-1052/TH]

Title:: Power Consumption Prediction Based on Long Short-term Memory Neural Networks

Author(s):: CHEN Weiwei ; JING Shibo ; BIAN Jiayu ; YI Geng ; AN Qi; ( Economic Research Institute , State Grid Xinjiang Electric Power Company , Urumqi 830002 , China )

Keywords:: load characteristics ; electricity consumption prediction ; long short-term memory neural network ; support vector regression

摘要:: 为解决现有用电量预测精确度较低等问题,提出了基于长短期记忆神经网络的电力用电量预测方法。分析了电力负荷分类以及典型负荷曲线,说明了支持向量回归以及长短期记忆神经网络的基本原理,提出了基于支持向量回归和长短期记忆神经网络结合的预测方法,说明了预测流程,给出了预测结果统计评价标准。根据所提出的方法进行了案例分析,论证了所提方法的有效性。

Abstract:: To solve the problem of low accuracy in predicting available electricity consumption , a power consumption prediction method based on long short-term memory neural networks is proposed.The classification of power loads and typical load curves were analyzed , and the basic principles of support vector regression and long short-term memory neural networks were explained.A prediction method based on the combination of support vector regression and long short-term memory neural networks was proposed , and the prediction process was explained , and statistical evaluation criteria for the prediction results were provided.A case study was analyzed based on the proposed method to demonstrate its effectiveness.

[ 1 ] 徐春华,陈克绪,马建,等 . 基于深度置信网络的电力负荷识别[ J ] . 电工技术学报, 2019 , 34 ( 19 ): 4135-4142.

[ 2 ] 吴劲松,张少峰,徐向民,等 . 计及 PUE 的数据中心短期电力负荷预测方法[ J ] . 哈尔滨理工大学学报, 2021 ,26 ( 6 ): 1-9.

[ 3 ] 刘俊,赵宏炎,刘嘉诚,等 . 基于协整格兰杰因果检验和季节分解的中期负荷预测[ J ] . 电力系统自动化,2019 , 43 ( 1 ): 73-80.

[ 4 ] 胡怡霜,夏翔,丁一,等 . 基于因子和趋势分析反馈的多元回归负荷预测[ J ] . 电力需求侧管理,2018 , 20 ( 6 ):22-25 , 35.

[ 5 ] 孙义豪,郭新志,皇甫霄文,等 . 基于混合神经网络的多时间尺度负荷预测[ J ] . 电工电能新技术, 2023 , 42 ( 8 ):95-104.

[ 6 ] 李先鹏,吴若男,王义洋,等 . 融合滑动窗口和 MLP-AdaBoost 的电力负荷预测[ J ] . 计算机与数字工程,2023 , 51 ( 1 ): 66-73.

[ 7 ] 李练兵,李佳祺,刘汉民,等 . 基于 SRDHLGRU 神经网络和差分误差补偿的短期电力负荷预测[ J ] . 中国测试,2023 , 49 ( 6 ): 143-150.

[ 8 ] 胡兆龙,胡俊建,彭浩,等 . 基于深度随机森林算法的短期用户负荷预测:以金华地区为例[ J ] . 电子科技大学学报,2023 , 52 ( 3 ): 430-437.

[ 9 ] 马雪晴,吴建华,高鹏,等 . 基于支持向量机及粒子群算法的空调负荷预测方法研究及应用[ J ] . 节能, 2023 , 42( 6 ): 29-33.

[ 10 ] 朱子意,孙晓燕,柳先彪,等 . 基于相似用电单元及图卷积神经网络的电力负荷预测[ J ] . 电力科学与工程,2023 , 39 ( 7 ): 9-23.

[ 11 ] 徐扬,张紫涛 . 基于遗传模拟退火算法改进 BP 神经网络的中长期电力负荷预测[ J ] . 电气技术, 2021 , 22( 9 ): 70-76.

[ 12 ] 邱凯旋,李佳 . 基于贝叶斯优化和长短期记忆神经网络( BO-LSTM )的短期电力负荷预测[ J ] . 电力学报,2022 , 37 ( 5 ): 367-373.

[ 13 ] 李冰箫,张世伟,黄飞虎 . 基于 LSTM 和自注意力机制的电力负荷预测[ J ] . 中国测试, 2022 , 48 (增刊 2 ):38-43.

[ 14 ] 崔秀艳,闫绍惠 . 基于深度学习的智能电网短期日负荷曲线预测系统设计与实现 [ J ] . 电子产品世界,2023 , 30 ( 2 ): 66-69.

[ 15 ] 吴浩,齐放,张曦,等 . 基于小波包分解与最小二乘支持向量机的用户侧净负荷预测[ J ] . 现代电力, 2023 ,40 ( 2 ): 192-200.

备注/Memo:: 收稿日期: 2023-09-23
作者简介:陈伟伟 ( 1989- ),男,新疆巴州人,硕士,工程师,研究方向为电力系统规划;荆世博 ( 1989- ),男,河南巩义人,硕士,工程师,研究方向为电力系统规划。

更新日期/Last Update: 2024-06-21