电力市场环境下,精准的短期负荷预测可以保障电网安全稳定运行,但电价的实时波动增加了负荷变化的复杂性,加大了预测难度。针对这一问题,采用最大信息系数法分析电价及历史负荷与当前时刻负荷的相关性,为预测模型输入特征的确定提供依...电力市场环境下,精准的短期负荷预测可以保障电网安全稳定运行,但电价的实时波动增加了负荷变化的复杂性,加大了预测难度。针对这一问题,采用最大信息系数法分析电价及历史负荷与当前时刻负荷的相关性,为预测模型输入特征的确定提供依据。在此基础上,提出了基于Attention-LSTM (attention long short-term memory,Attention-LSTM)网络的短期负荷预测模型。该模型充分利用负荷的时序特性,并采用Attention机制突出对负荷预测起到关键作用的输入特征。以澳大利亚某地区真实数据为算例,分别应用Attention-LSTM模型与其他模型进行仿真实验。结果表明,所提方法在预测精度和算法鲁棒性方面均优于其他模型。展开更多
为了提高电力市场环境下短期负荷预测精度,利用互信息法和电价负荷曲线验证电价与负荷的关系,考虑电价对负荷预测的影响,从而提出一种基于Attention-LSTM(attention long short-term memory,Attention-LSTM)网络的短期负荷预测模型。首...为了提高电力市场环境下短期负荷预测精度,利用互信息法和电价负荷曲线验证电价与负荷的关系,考虑电价对负荷预测的影响,从而提出一种基于Attention-LSTM(attention long short-term memory,Attention-LSTM)网络的短期负荷预测模型。首先将考虑电价波动因素的特征向量从输入层放入LSTM模型隐藏层中进行训练,然后将训练后得到的特征向量作为Attention层的输入,生成权重向量,最后将特征向量和权重向量合并得到新的向量,通过全连接层的训练得到预测结果值。运用江苏某地市数据进行实验验证,结果表明所提方法具有更高的负荷预测精度。展开更多
文摘电力市场环境下,精准的短期负荷预测可以保障电网安全稳定运行,但电价的实时波动增加了负荷变化的复杂性,加大了预测难度。针对这一问题,采用最大信息系数法分析电价及历史负荷与当前时刻负荷的相关性,为预测模型输入特征的确定提供依据。在此基础上,提出了基于Attention-LSTM (attention long short-term memory,Attention-LSTM)网络的短期负荷预测模型。该模型充分利用负荷的时序特性,并采用Attention机制突出对负荷预测起到关键作用的输入特征。以澳大利亚某地区真实数据为算例,分别应用Attention-LSTM模型与其他模型进行仿真实验。结果表明,所提方法在预测精度和算法鲁棒性方面均优于其他模型。
文摘为了提高电力市场环境下短期负荷预测精度,利用互信息法和电价负荷曲线验证电价与负荷的关系,考虑电价对负荷预测的影响,从而提出一种基于Attention-LSTM(attention long short-term memory,Attention-LSTM)网络的短期负荷预测模型。首先将考虑电价波动因素的特征向量从输入层放入LSTM模型隐藏层中进行训练,然后将训练后得到的特征向量作为Attention层的输入,生成权重向量,最后将特征向量和权重向量合并得到新的向量,通过全连接层的训练得到预测结果值。运用江苏某地市数据进行实验验证,结果表明所提方法具有更高的负荷预测精度。
基金supported by the National Natural Science Foundation of China(72293573,72104226)the Research Topic of Securities Futures Industry Standard(BZKT-2022-041)Anhui Province 2022 Annual New Era Education Quality Project(Postgraduate Education)(2022zyxwjxalk003).
