基于Bi-LSTM和特征关联性分析的日尖峰负荷预测

近年来,负荷高峰时段电力供需不平衡问题日益突出,电网运行成本增加。为提高尖峰负荷预测准确度,提出了一种基于双向长短期记忆网络和特征关联性分析的日尖峰负荷预测方法。采用描述类、曲线类指标分析不同行业下的用户日峰值负荷特性,并基于Copula函数定量分析多维时序数据之间的关联度,构建基于双向长短期记忆网络的幅值预测模型。由于多峰特性在用电规律中的普通存在,先将连续的历史发生时刻点转为离散的时间段中,再利用幅值模型的预测结果展开基于XGBoost分类器的日峰值负荷出现时段预测。在真实数据集上的实验结果表明,该方法对高位负荷的预测具有较高预测精度,对提高电网削峰填谷和供电服务能力具有重要意义。