文档名：基于改进LSTM的新能源联网负荷预测算法设计
摘要：为解决新能源接入电网后对短期负荷难以进行预测的问题,文中提出了一种基于改进LSTM的短期负荷预测模型.该模型以神经网络中的双向长短期记忆网络为主体架构,引入了注意力机制和滑动更新模块,使得模型更加注重有效特征并实时更新输入数据,进而获得更为准确的特征信息,从而提高了对新能源电网负荷预测的准确性.以新能源占比较高的某省电网数据为例进行的实验分析结果显示,所提模型预测电网负荷的平均相对误差与均方根误差分别为1.25%和15.80MW,优于传统的机器学习模型及经典LSTM神经网络,表明其能够有效地对新能源电网负荷进行预测,为电力系统调度和结构优化提供技术支撑.
Abstract：Inordertosolvetheproblemthatitisdifficulttopredictshort-termloadafternewenergyisconnectedtothepowergrid,ashort-termloadforecastingmodelbasedonimprovedLSTMisproposed.Themodeltakesthebidirectionalshort-termmemorynetworkintheneuralnetworkasthemainstructure,introducestheattentionmechanismandtheslidingupdatemodule,whichmakesthemodelpaymoreattentiontoeffectivefeaturesandupdatetheinputdatainrealtime,thusobtainingmoreaccuratefeatureinformation,andimprovingtheaccuracyofnewenergygridloadforecasting.Takingthepowergriddataofaprovincewithahighproportionofnewenergyasanexample,theexperimentalanalysisresultsshowthattheaveragerelativeerrorandrootmeansquareerroroftheproposedmodelforpredictingpowergridloadare1.25%and15.80MW,respectively,whicharesuperiortothetraditionalmachinelearningmodelandtheclassicalLSTMneuralnetwork,indicatingthatitcaneffectivelypredictthenewenergygridloadandprovidetechnicalsupportforpowersystemdispatchingandstructureoptimization.
作者：张恒 林刚 魏飞 蒋德玉 张盛林Author：ZHANGHeng LINGang WEIFei JIANGDeyu ZHANGShenglin
作者单位：国网山东省电力公司临沂供电公司,山东临沂276000
刊名：电子设计工程 ISTIC
Journal：ElectronicDesignEngineering
年，卷(期)：2024, 32(14)
分类号：TP391.1TN911.72
关键词：新能源负荷 Bi-LSTM 注意力机制 滑动更新
Keywords：newenergyload Bi-LSTM attentionmechanism slidingupdate
机标分类号：TP301.6TM715TN925.93
在线出版日期：2024年7月19日
基金项目：国网山东省电力公司科研项目基于改进LSTM的新能源联网负荷预测算法设计[
期刊论文] 电子设计工程--2024, 32(14)张恒 林刚 魏飞 蒋德玉 张盛林为解决新能源接入电网后对短期负荷难以进行预测的问题,文中提出了一种基于改进LSTM的短期负荷预测模型.该模型以神经网络中的双向长短期记忆网络为主体架构,引入了注意力机制和滑动更新模块,使得模型更加注重有效特征并...参考文献和引证文献
参考文献
引证文献
本文读者也读过
相似文献
相关博文
基于改进LSTM的新能源联网负荷预测算法设计 Design of load forecasting algorithm for new energy network based on improved LSTM
基于改进LSTM的新能源联网负荷预测算法设计.pdf
- 文件大小:
- 1.59 MB
- 下载次数:
- 60
-
高速下载
|
|
