10.11857/j.issn.1674-5124.2020040146
基于Stacking模型集成的LSTM网络短期负荷预测研究
为解决传统负荷预测方法存在的预测精度偏低的问题,通过分析短期负荷影响因素确定训练集,创建Stacking模型,并结合包括输入门、输出门与遗忘门在内的LSTM网络创建Stacking-LSTM混合模型,通过时间滑动窗口建立影响因素数据特征图,将其作为Stacking-LSTM混合模型的输入,经数据转换后得到特征类别更强的降维二级特征数据,输入到LSTM网络层实现短期负荷预测.该方法利用Stacking模型的集成作用和LSTM网络的强挖掘能力,增强降维后的数据类别特征,达到提升电力系统负荷动态平衡性的效果.仿真结果表明,该方法的负荷预测结果与实际值非常接近,具有较高的预测精准度.
Stacking模型、长短期记忆网络、短期负荷预测、混合模型、特征图
46
TM715(输配电工程、电力网及电力系统)
国网河北省电力有限公司2019年科技项目041912
2020-08-04（万方平台首次上网日期，不代表论文的发表时间）
共6页
40-45
