实时电价下DTSLF模型的短期负荷预测应用研究

精准的短期负荷预测可以保证电网安全稳定地运行,然而实时波动的电价在一定程度上与电力负荷相互影响,这大大增加了电力负荷预测的难度。针对此问题,基于改进语言模型Transformer提出一种短期负荷预测模型,简称DTSLF。其将Transformer模型输入端的Embedding层和输出端的Softmax层进行调整,并以全新的Encoder-decoder的输入方式双向处理负荷数据。实验表明,该模型可以充分发挥Transformer在语言处理上的超强特征提取能力,可以捕捉负荷数据间的“含义”,将复杂的相关因素“翻译”成下一时刻负荷值,最后以真实数据进行实验,结果表明DTSLF模型与其他的模型相比在实时电价下有着更加出色的预测效果。