基于LSTM神经网络的多要素用电量动态预测

准确地预测用电量有助于电力气象服务工作的开展,并可保障电力系统经济、安全、可靠运行。基于东至县2014—2018年日用电量数据,结合气象要素和日期因素,通过相关性分析筛选要素,并利用长短期记忆(LSTM)神经网络开展多时次用电量预测。利用人体舒适度指数、平均地面温度、最高气温、最低气温、平均水汽压、日期因素和用电量序列数据构建用电量预测LSTM模型,该模型利用过去24日数据,对未来1、3、6日日用电量进行预测,其标准化均方根误差(CVRMSE)分别为0.06、0.09和0.11,相对误差(RE)分别为0.27、0.26、0.27,决定系数(R^(2))分别为0.56、0.22、0.12。结果证实了基于LSTM神经网络预测短期用电量的可行性,可为电力部门开展需求侧管理、提高能源存储运营水平提供技术支持。