计及气象累积效应的特征解耦峰荷预测模型

夏季峰荷是电力部门的关注焦点,温度累积效应对于夏季峰荷预测具有重要影响。为此,提出一种计及气象累积效应的特征解耦峰荷预测模型。建立具有3个输入分支的深度神经网络模型,从结构上对输入特征实现解耦,称为特征解耦模型。3个分支分别以时间特征、负荷特征、气象特征为输入,其中负荷分支、气象分支应用了长短期记忆(LSTM)网络隐藏层并基于LSTM网络的时序处理能力能对负荷及气象序列进行处理来反映累积效应,进而应用于峰荷预测。最后,通过实例分析,与温度修正等常规方法进行对比,验证了特征解耦模型更适合于计及气象累积效应的峰荷预测。