文献类型：期刊文章

作　　者：陈纬楠[1] 胡志坚[1] 岳菁鹏[2] 杜一星[1] 齐祺[1]

CHEN Weinan;HU Zhijian;YUE Jingpeng;DU Yixing;QI Qi(School of Electrical Engineering and Automation,Wuhan University,Wuhan 430072,China;Electric Power Research Institute of Guangdong Power Grid Co.,Ltd.,Guangzhou 510080,China)

机构地区：[1]武汉大学电气与自动化学院,湖北省武汉市430072 [2]广东电网有限责任公司电力科学研究院,广东省广州市510080

出　　处：《电力系统自动化》

基　　金：国家自然科学基金资助项目(51977156)。

年　　份：2021

卷　　号：45

期　　号：4

起止页码：91-97

语　　种：中文

收录情况：AJ、BDHX、BDHX2020、CSCD、CSCD2021_2022、EI、IC、JST、RCCSE、SCOPUS、ZGKJHX、核心刊

摘　　要：短期负荷预测是电网安全调度与平稳运行的基础,为进一步提升负荷预测的精度,提出了基于长短期记忆(LSTM)网络和轻梯度提升机(LightGBM)的组合预测模型。首先,根据LSTM网络和LightGBM模型的输入结构,将预处理后的负荷数据、温度数据、日期数据以及节假日信息分别输入2个模型中,通过训练得出各自的预测结果。然后,采用最优加权组合法确定权重系数,并得出组合模型的预测值。最后,采用实际负荷数据进行算例分析,结果表明所提方法能够有效结合2种模型的优点,在保留对时序数据整体感知的同时兼顾非连续特征的有效信息,与其他模型相比具有更高的预测精度。

关 键 词：短期负荷预测 长短期记忆网络  轻梯度提升机  最优加权组合法  组合模型  

分 类 号：TM715] TP183]