文献类型：期刊文章

作　　者：李飞宏[1] 肖迎群[2]

LI Feihong;XIAO Yingqun(School of Electrical Engineering,Guizhou University,Guiyang 550025,China;School of Big Data,Guizhou Institute of Technology,Guiyang 550003,China)

机构地区：[1]贵州大学电气工程学院,贵州贵阳550025 [2]贵州理工学院大数据学院,贵州贵阳550003

出　　处：《电子设计工程》

年　　份：2023

卷　　号：31

期　　号：7

起止页码：47-51

语　　种：中文

收录情况：JST、RCCSE、ZGKJHX、普通刊

摘　　要：为提高模型的预测精度,引入STL算法将负荷序列分解为周期分量、趋势分量、残差分量,利用各分量训练LSTM和TCN模型。在得到LSTM和TCN模型的预测后,为进一步提高模型的预测精度,构建了集成模型对LSTM模型和TCN模型的预测值进行集成。以西班牙电力负荷数据集为例,对所提负荷预测方法进行了验证。实验结果表明,STL算法和集成模型的引入均提高了模型的预测精度,基于STL-LSTM-TCN的预测方法相较于LSTM、TCN、STL-LSTM、STL-TCN,其MAPE分别降低了2.8664%、2.1229%、0.37%、0.1%,所提负荷预测方法的预测误差最低,验证了所提预测方法的有效性与合理性。

关 键 词：电力负荷预测 STL分解  长短期记忆神经网络  时序卷积网络  

分 类 号：TN98]