文献类型：期刊文章

作　　者：陈恩帅[1] 茅大钧[1] 陈思勤[2] 魏立志[3]

CHEN Enshuai;MAO Dajun;CHEN Siqin;WEI Lizhi(School of Automation Engineering,Shanghai University of Electric Power,Shanghai 200090,China;Huaneng International Power Co.,Ltd.,Shanghai Shidongkou Second Power Plant,Shanghai 200942,China;Siping No.1 Thermal Power Company,Jilin Electric Power Co.,Ltd.,Siping 136001,Jilin China)

机构地区：[1]上海电力大学自动化工程学院,上海200090 [2]华能国际电力股份有限公司上海石洞口第二电厂,上海200942 [3]吉林电力股份有限公司四平第一热电公司,吉林四平136001

出　　处：《电力科技与环保》

基　　金：国家自然科学基金项目(62373241);中国华能集团有限公司2022年度科技项目(HNKJ22-HF22)。

年　　份：2024

卷　　号：40

期　　号：4

起止页码：380-387

语　　种：中文

收录情况：JST、普通刊

摘　　要：准确预测电厂负荷可指导火电厂制定发电计划和调度安排,有利于降低能源成本和污染物排放,对电厂的经济性和环保性有重要意义。本文提出一种基于双向LSTM-Attention的火电厂负荷预测方法。首先,通过皮尔逊系数筛选出关键特征变量;其次利用双向长短期记忆网络提取关键变量之间的长期依赖关系与短期变化特征,最后融合注意力权重机制以进一步突出关键时序信息,进而实现负荷的准确预测。以某在役600 MW超临界机组为对象进行验证。结果表明:相较于单向LSTM、双向LSTM、单向LSTM-Attention,本文所提方法的决定系数R^(2)、均方根误差S_(RMSE)和平均绝对误差S_(MAE)均为最优,分别为0.9566、16.3159、13.5043,能更准确地捕捉到负荷快速波动的趋势,为电厂的负荷预测和能源管理提供可行的方法。

关 键 词：火电厂 负荷预测 双向LSTM模型  Attention机制  能源管理

分 类 号：TK011[能源动力类]