文献类型：期刊文章

作　　者：彭文[1] 王金睿[1] 尹山青[1]

PENG Wen;WANG Jinrui;YIN Shanqing(School of Control and Computer Engineering,North China Electric Power University,Changping District,Beijing 102206,China)

机构地区：[1]华北电力大学控制与计算机工程学院,北京市昌平区102206

出　　处：《电网技术》

年　　份：2019

卷　　号：43

期　　号：5

起止页码：1745-1751

语　　种：中文

收录情况：AJ、BDHX、BDHX2017、CSA、CSA-PROQEUST、CSCD、CSCD2019_2020、EI、IC、JST、RCCSE、SCOPUS、ZGKJHX、核心刊

摘　　要：电力市场环境下,精准的短期负荷预测可以保障电网安全稳定运行,但电价的实时波动增加了负荷变化的复杂性,加大了预测难度。针对这一问题,采用最大信息系数法分析电价及历史负荷与当前时刻负荷的相关性,为预测模型输入特征的确定提供依据。在此基础上,提出了基于Attention-LSTM (attention long short-term memory,Attention-LSTM)网络的短期负荷预测模型。该模型充分利用负荷的时序特性,并采用Attention机制突出对负荷预测起到关键作用的输入特征。以澳大利亚某地区真实数据为算例,分别应用Attention-LSTM模型与其他模型进行仿真实验。结果表明,所提方法在预测精度和算法鲁棒性方面均优于其他模型。

关 键 词：负荷预测 电力市场 最大信息系数  LSTM  Attention机制  

分 类 号：TM715]