二次指数平滑多目标组合模型电力负荷预测
2023-09-13马文莉杨利君
计算机工程与设计 2023年8期
吴 迪,马文莉,杨利君
(河北工程大学 信息与电气工程学院,河北 邯郸 056038)
0 引 言
负荷预测是电力部门的重要工作之一[1]。早期短期负荷预测方法有指数平滑法[2]、卡尔曼滤波[3]和自回归积分移动平均值[4]等。
近年来,随着深度学习[5]的高速发展和广泛应用,研究者们提出了RNN[6]和LSTM[7]等模型。文献[8]提出了一种改进RNN和VAR的多变量时间序列预测方法。文献[9]提出了结合指数平滑和RNN的双层混合模型,有助于提升时间序列预测性能。
LSTM在RNN基础上,引入遗忘门、输入门和输出门,更适合学习电力负荷数据的内部变化规律。文献[10]采用贝叶斯优化调整LSTM网络的超参数预测。文献[11]通过分析电价及历史负荷与当前时刻负荷相关性,提出了Attention-LSTM短期负荷预测模型。文献[12]提出了级联LSTM负荷预测模型,从负荷数据周期性和波动性两方面深度预测。
目前,BiLSTM获得广泛应用。文献[13]论证了BiLSTM模型能更好提取负荷数据的双向时序特征。文献[14]提出了Attention-BiLSTM-LSTM组合模型预测方法,仅横向考虑负荷数据的时序性特征,没有纵向考虑负荷数据的周期性特征,进而影响模型预测精度。
针对短期电力负荷预测精度不理想和负荷特征提取不全面的问题,提出一种二次指数平滑多目标组合模型电力负荷预测方法。采用BiLSTM和LSTM串行学习负荷数据的时序性和周期性特征,以获取负荷目标预测值;将二次指数平滑法获得的残差项数据,利用LSTM模型进行训练和迭代,以获取残差目标预测值;将负荷目标预测值与残差目标预测值融合得到修正预测值,实现多目标负荷预测。……
登录APP查看全文
