基于长短期记忆网络的超短期负荷预测

负荷预测的准确率会影响电力生产和经济发展,根据目前广东电力现货市场的出清机制,超短期负荷预测的准确度对未来电力现货市场出清电价有着重大影响。文章采用数据横向纵向修正法对历史负荷数据进行修正,通过长短期记忆网络(Long Short Term Memory Network,LSTM)的预测方法,同时考虑现货市场实际运行时间间隔,对未来15min的负荷进行预测。根据应用情况表明,该方法简单实用,能满足现货市场实际运行出清时的负荷预测要求。

基于一周内负荷方差分析的96点负荷预测模型研究

不同于通常在96点负荷预测时对工作日和休息日所使用的自然区分方法,本文通过引入方差概念对一周各天同时间段电量进行分析,给出了重新划分工作日和休息日的方法。在满足样本相似性的前提下增加了合格样本的数量,为人工神经网络法96点负荷预测提供更为充分和可靠的历史数据。实际预测计算表明,该方法有效地提高了预测精度。