The invention discloses a medium and long-term load forecasting method of electric power based on long-term and short-term memory model, which relates to the technical field of electric power forecasting. The invention comprises the following steps: dividing the regional load in summer into basic load and cooling load, calculating the basic load in different years, and obtaining load ratio; selecting high temperature sequence segments with the greatest possibility of predicting years by using Markov model; constructing long-term and short-term memory model: collecting load ratio data and regional characteristic factors of high temperature sequence segments. Integration to train the generation of long-term and short-term memory model for power load forecasting; model training and optimization; power load forecasting for future years of sequential segments. Based on the long-term and short-term memory model, the medium-term and long-term load of electric power is forecasted, and the correlation between the load and the characteristics of external conditions during the summer peak period is found, thus the regional load under different external conditions in the future is forecasted, and the operation stability of the regional power grid is improved.
【技术实现步骤摘要】
一种基于长短时记忆模型的电力中长期负荷预测方法
本专利技术属于电力预测
,特别是涉及一种基于长短时记忆模型的电力中长期负荷预测方法。
技术介绍
电网规划是电网建设的依托和先决条件,规划的质量将严重影响到电网的建设投资费用和电网的安全运行,而中长期负荷预测是电网规划的理论基础,预测算法的精度直接影响到规划方案的可信度。目前的负荷预测算法大多是基于电力和地区经济的关系,如弹性系数法、产值单耗法等,或者是简单的数学模型,如线性回归模型、灰色模型等。上述算法的优点是比较直观,且简单易用;缺点是算法复杂度有限,对于变化的适应能力较弱,且预测精度有限。
技术实现思路
本专利技术的目的在于提供一种基于长短时记忆模型的电力中长期负荷预测方法,通过基于长短时记忆模型,构建电力的中长期负荷预测,能够有效地发现地区迎峰度夏期间负荷和外部条件特征的关联性,从而对未来不同外部条件下的地区负荷进行预测,辅助地区电网系统的规划建设,提高地区电网的运行的稳定性,解决了现有的电力的负荷预测方案对电力负荷变化的适应能力较弱且预测精度有限的问题。为解决上述技术问题,本专利技术是通过以下技术方案实现的:一种基于长短时记忆模型的电力中长期负荷预测方法,包括如下步骤:步骤一,按年份收集地区因素历史数据作为样本特征;将夏季的地区负荷分割为基础负荷和降温负荷,通过计算不同年份的基础负荷,即不含降温负荷的地区负荷的均值,得出负荷比率:负荷比率=(地区负荷-基础负荷)/基础负荷;步骤二,典型时序片段的选取:根据地区的气候变化规律,利用马尔科夫模型对未来的高温序列片段进行选取;其中,马尔科夫分析法的基本模型 ...
【技术保护点】
1.一种基于长短时记忆模型的电力中长期负荷预测方法,其特征在于,包括如下步骤:步骤一,按年份收集地区因素历史数据作为样本特征;将夏季的地区负荷分割为基础负荷和降温负荷,通过计算不同年份的基础负荷,即不含降温负荷的地区负荷的均值,得出负荷比率:负荷比率=(地区负荷‑基础负荷)/基础负荷;步骤二,典型时序片段的选取:根据地区的气候变化规律,利用马尔科夫模型对预测年份可能性最大的高温序列片段进行选取;步骤三,长短时记忆模型的构建:将步骤一中的负荷比率数据及步骤二中的高温序列片段的区域特征因素汇总整合,以训练生成电力负荷预测的长短时记忆模型;步骤四,模型训练和优化:设定训练时间,通过不断调整参数和训练次数,观察训练误差下降趋势,增加和减少区域特征的数量,得到相对较优的长短时记忆训练模型;步骤五,依据长短时记忆训练模型,并利用单回归模型支持向量回归和随机森林回归,对未来年份的时序片段的电力负荷进行预测。
【技术特征摘要】
1.一种基于长短时记忆模型的电力中长期负荷预测方法,其特征在于,包括如下步骤:步骤一,按年份收集地区因素历史数据作为样本特征;将夏季的地区负荷分割为基础负荷和降温负荷,通过计算不同年份的基础负荷,即不含降温负荷的地区负荷的均值,得出负荷比率:负荷比率=(地区负荷-基础负荷)/基础负荷;步骤二,典型时序片段的选取:根据地区的气候变化规律,利用马尔科夫模型对预测年份可能性最大的高温序列片段进行选取;步骤三,长短时记忆模型的构建:将步骤一中的负荷比率数据及步骤二中的高温序列片段的区域特征因素汇总整合,以训练生成电力负荷预测的长短时记忆模型;步骤四,模型训练和优化:设定训练时间,通过不断调整...
【专利技术属性】
技术研发人员:刘峰,
申请(专利权)人:安徽数升数据科技有限公司,
类型:发明
国别省市:安徽,34
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。