首页|基于LSTM神经网络的多要素用电量动态预测

基于LSTM神经网络的多要素用电量动态预测

扫码查看
原文链接
  • NETL
  • NSTL
  • 万方数据
准确地预测用电量有助于电力气象服务工作的开展,并可保障电力系统经济、安全、可靠运行.基于东至县2014-2018年日用电量数据,结合气象要素和日期因素,通过相关性分析筛选要素,并利用长短期记忆(LSTM)神经网络开展多时次用电量预测.利用人体舒适度指数、平均地面温度、最高气温、最低气温、平均水汽压、日期因素和用电量序列数据构建用电量预测LSTM模型,该模型利用过去24日数据,对未来1、3、6日日用电量进行预测,其标准化均方根误差(CVRMSE)分别为0.06、0.09和0.11,相对误差(RE)分别为0.27、0.26、0.27,决定系数(R2)分别为0.56、0.22、0.12.结果证实了基于LSTM神经网络预测短期用电量的可行性,可为电力部门开展需求侧管理、提高能源存储运营水平提供技术支持.

谭诗琪、范嘉智、耿欢、廖春花、卞一飞

展开 >

湖南省气象服务中心,湖南长沙 410118

气象防灾减灾湖南省重点实验室,湖南长沙 410118

中国气象局气象干部培训学院 湖南分院,湖南长沙 410125

国家电网有限公司 东至县供电公司,安徽池州 247200

湖南省气象局 机关服务中心,湖南长沙 410118

展开 >

电力气象服务 长短期记忆神经网络 多时次预测 日用电量

2024

农业灾害研究

农业灾害研究

影响因子：0.451
ISSN：1004-7395
年,卷(期)：2024.14(7)