基于改进聚类和LSTM的居民小区中长期负荷预测

新建居民小区对中长期用电负荷预测时考虑到的因子少、预估误差大。为解决该实际问题,提出一种基于改进聚类和长短期记忆深度学习的小区负荷预测方法。该模型综合考虑不同小区的自身因素和外部条件,根据其包含地理位置、容积率等特征的样本集合进行改进聚类划分。并利用LSTM对不同类别小区的用电量建立预测模型,从而实现新建小区中长期负荷的预测。该模型已在某中部地区城市作为试点进行推广,应用结果表明该模型预测结果的MAE,RMSE和R2均明显优于多元ARMA,SVM和GPR三种模型,且自身的泛化性也较高。