基于多变量LSTM模型对昆士兰州的电力负荷预测

朱振涛; 陆思豪

首页> 中文期刊> 《南京工程学院学报：社会科学版》 >基于多变量LSTM模型对昆士兰州的电力负荷预测

基于多变量LSTM模型对昆士兰州的电力负荷预测

开具论文收录证明 >>

期刊封面封底目录下载 >>

文献代查 >>

页面导航

摘要
著录项
相似文献
相关主题

摘要

在目前中国的南方电力市场的电量偏差考核机制下,拥有更准确的电力负荷预测技术的售电企业在现在的中长期市场中将会有更少的偏差电量,从而获得成本更低的竞争优势。为了探究在成熟的电力现货市场下,对电力负荷预测有影响的因素有哪些以及如何使用预测模型实现更好的电力负荷预测精度的问题,通过文献梳理归纳出影响电力负荷四类因素:历史负荷数据、气象因素、时间因素、经济因素,构建了考虑多变量因素的长短期记忆网络(LSTM)电力负荷预测模型,以澳大利亚昆士兰州为算例进行预测分析,结果表明基于LSTM的电力负荷预测方法误差相比较于基于ARIMA模型的电力负荷预测方法的误差更低,预测效果更好。而在影响因素当中,算例结果比较显示日期类型对电力负荷预测预测结果影响最强,其次是电价因素,最后是最低与最高温度。该预测方法在相似于美国的PJM电力市场中也可以使用。

著录项

来源
《南京工程学院学报：社会科学版》 |2022年第1期|62-71|共10页
作者
朱振涛; 陆思豪;
展开▼
作者单位

南京工程学院经济与管理学院;

展开▼
原文格式 PDF
正文语种 chi
中图分类人工神经网络与计算;电力系统规划;
关键词
电力负荷预测; 长短期记忆神经网络; 电力市场; 多变量;

相似文献

中文文献
外文文献
专利

1. 基于三种模型的昆士兰州短期电力负荷预测对比探究 [J] . 智勇 ,何欣 ,梁琛 . 电子测试 . 2015,第004期
2. 基于EMD-CNN-LSTM混合模型的短期电力负荷预测 [J] . 徐岩 ,向益锋 ,马天祥 . 华北电力大学学报:自然科学版 . 2022,第2期
3. 基于PSO-LSTM的电力负荷预测模型 [J] . 王晓辉 ,邓威威 ,齐旺 . 上海节能 . 2022,第2期
4. 基于多模型融合的CNN-LSTM-XGBoost短期电力负荷预测方法 [J] . 庄家懿 ,杨国华 ,郑豪丰 . 中国电力 . 2021,第005期
5. 基于PAU-LSSVM模型融合多特征变量的电力负荷预测 [J] . 李雪冬 ,黄莹 ,胡勇 . 电子器件 . 2021,第002期
6. 基于EMD-LSTM的短期负荷预测模型 [C] . 刘月灿 ,孙建刚 ,周逸 . 2019电力行业信息化年会 . 2019
7. 基于CS--LSTM算法的电力负荷预测 [A] . 余引 . 2021

基于多变量LSTM模型对昆士兰州的电力负荷预测

摘要

著录项

相似文献

相关主题

期刊订阅