LSTM与CNN对配电台区短期负荷预测的适用性研究
配电台区的短期负荷预测对配电网的运行监测与精准管理发挥着关键性的作用。由于配电台区用电环境复杂、台区差异性大、数据质量差、影响负荷预测的因素多，准确的预测配电台区短期负荷非常困难。近年来长短期记忆神经网络(Long Short-Term Memory,LSTM)由于其非线性和时序性的特点而受到国内外学者的广泛应用。为了提高配电台区短期负荷预测的准确率，本文深入调研配电台区负荷预测的研究与应用现状，以LSTM和卷积神经网络(Convolutional Neural Network,CNN)为基础，以甘肃省某市部分配电台区为例开展配电台区短期负荷预测的适用性研究。 首先，分析了配电台区短期负荷预测在现代智能配电网建设中的重要性，介绍了短期负荷预测的概念、预测要求、分类和预测步骤，对配电台区短期负荷预测的国内外研究现状进行了总结，探讨了配电台区短期负荷预测的难点以及LSTM网络适用性研究的意义。其次，介绍了本文获取数据的来源及数据结构，分析了配电台区短期负荷预测和系统级短期负荷预测的区别，以甘肃省某市实际电网数据为例，对该地区配电台区的负荷特性做了详细分析。再次，阐述了配电台区短期负荷预测模型的建立过程，介绍了LSTM网络和CNN网络的基本理论，完成了数据预处理和LSTM模型、CNN模型和CNN-LSTM混合模型的构建，给出了短期负荷预测评估指标。最后对LSTM模型、CNN模型、CNN-LSTM混合模型的预测结果进行评估并分析评估结果，通过台区特征和负荷特性对模型的适用性进行分析。 预测结果表明LSTM网络对配电台区短期负荷预测的预测效果优于CNN网络和CNN-LSTM混合网络。适用性分析结果表明对配电台区短期负荷预测进行分类预测很有必要，提出并验证了配电台区短期负荷预测分类预测的依据（用电类别、台区容量、日平均负荷、日最小负荷和日负荷率），得到了日平均负荷、日最小负荷和日负荷率的分类参考数值。
配电台区;短期负荷预测;长短期记忆神经网络;卷积神经网络;适用性分析
兰州交通大学
硕士
电力系统及其自动化
王果
2021
中文
TM714
2021-12-29（万方平台首次上网日期，不代表论文的发表时间）