文献类型：期刊文章

作　　者：魏健[1] 赵红涛[1] 刘敦楠[2] 加鹤萍[2] 王宣元[3] 张浩[3] 刘蓁[3]

WEI Jian;ZHAO Hongtao;LIU Dunnan;JIA Heping;WANG Xuanyuan;ZHANG Hao;LIU Zhen(School of Mathematics and Physics,North China Electric Power University,Beijing 102206,China;School of Economics and Management,North China Electric Power University,Beijing 102206,China;Jibei Power Exchange Center,Co.,Ltd.,Beijing 100053,China)

机构地区：[1]华北电力大学数理学院,北京102206 [2]华北电力大学经济与管理学院,北京102206 [3]冀北电力交易中心有限公司,北京100053

出　　处：《华北电力大学学报（自然科学版）》

基　　金：国家社会科学基金重大项目(19ZDA081);中央高校基本科研业务费专项资金资助项目(2020MS049);国家电网公司科技项目(52010119000G).

年　　份：2021

卷　　号：48

期　　号：1

起止页码：42-47

语　　种：中文

收录情况：AJ、BDHX、BDHX2020、CAS、JST、RCCSE、ZGKJHX、核心刊

摘　　要：精准的短期电力负荷预测可以保障电力系统的安全可靠、经济高效运行,传统预测方法无法满足高精度的负荷预测要求,而机器学习算法的广泛应用为短期负荷预测的精确方案。提出了一种基于注意力(Attention)机制的卷积神经网络(Convolutional Neural Network,CNN)-长短期记忆网络(Long Short-Term Memory,LSTM)短期电力负荷预测方法,该方法可以减少历史信息的丢失,实现短期电力负荷预测。考虑到电力负荷值在不同季节的特点,将预测方法设计为分季节进行短期电力负荷预测。最后,以我国某地区的负荷数据作为实例,将此预测方法与其他常用预测模型进行对比,实验结果表明基于注意力机制的CNN-LSTM模型在不同季节的电力负荷预测中均具有更高的预测精度。

关 键 词：短期电力负荷预测 CNN-LSTM  注意力机制  不同季节预测  

分 类 号：TM715]