The invention provides a multi time and space long short memory depth network accurate prediction method, which can solve the problem that the current power system load prediction accuracy is low due to the large fluctuation of power load in different time scales and space scales. The invention proposes the idea of combining the multi temporal and spatial distribution characteristics of power system load to predict, using the long and short memory depth neural network to learn the power load data of different time scale and space scale, the neural network is a time cycle network, which has strong time series memory ability, and is very suitable for power system load forecasting. The method can change the number of input and output of the prediction model according to the different load distribution characteristics of the actual required prediction area, and accurately predict the power load of different time scale and space scale. It can replace the traditional statistical model and the common machine learning model for load forecasting.
【技术实现步骤摘要】
一种多时空长短记忆深度网络精准预测方法
本专利技术属于电力系统负荷预测领域,涉及一种替代传统统一时间尺度和空间尺度负荷预测的方法,适用于电力系统负荷预测。
技术介绍
随着能源互联网的提出和发展,电力系统结合了诸多互联网前沿信息技术,如先进传感器、软件应用程序等,形成了以分布式能源为主多网络系统紧密耦合的复杂多网流的电力系统,此外,再加上物联网概念的提出,共享概念的发展和共享商品在社会范围内的大规模实践,使得负荷更加呈现出空间离散性和时间随机性的特点。因此,电力系统负荷预测的难度必将极大提升,而负荷预测在未来的能源互联网中必定起到重要作用,所以,对负荷的精准预测就变得尤为重要。在电力系统负荷中,庞大的负荷区域让负荷预测的难度增大,且随着预测区域的增加,不确定性也会更大,此外,为了应对负荷的变化,电力系统现在采取“机组组合”、“经济调度”、“自动发电控制”和“机组功率分配”来控制系统频率。统一的时间尺度,无法快速而精确的应对负荷的变化。为了克服负荷区域过大而产生的负荷预测不精确的问题和统一时间尺度的频率控制方法无法及时应对负荷变化的问题,本专利技术提出了多时空精准预测的方法。为了处理电力系统中庞大的时间序列数据预测问题,本专利技术提出了一种应用于多时间多空间负荷分布的长短记忆深度神经网络算法。传统的系统频率控制方法统一了4秒尺度的自动发电控制、15分钟的经济调度和1天时间尺度的机组组合,最终机组出力是一个时间尺度。针对传统频率控制无法快速而精确的应对负荷的变化的缺陷,本专利技术设计出一种多时空长短记忆深度 ...
【技术保护点】
1.一种多时空长短记忆深度网络精准预测方法,其特征在于,能根据不同时空的电力系统负荷分布特性对负荷进行精准预测,该方法在使用过程中的主要步骤为:/n(1)将目标电力系统负荷按时空分布特性划分为若干子系统负荷;/n(2)采集各子系统负荷的历史数据,并对数据进行预处理,生成训练数据集;/n(3)利用训练数据的特点,确定相应的训练模型的输入量和输出量;/n(4)利用步骤(3)所得的训练数据,采用长短记忆深度神经网络进行训练;/n(5)利用实时负荷数据在训练好的模型中进行计算,精准预测各时空负荷。/n
【技术特征摘要】
1.一种多时空长短记忆深度网络精准预测方法,其特征在于,能根据不同时空的电力系统负荷分布特性对负荷进行精准预测,该方法在使用过程中的主要步骤为:
(1)将目标电力系统负荷按时空分布特性划分为若干子系统负荷;
(2)采集各子系统负荷的历史数据,并对数据进行预处理,生成训练数据集;
(3)利用训练数据的特点,确定相应的训练模型的输入量和输出量;
(4)利用步骤(3)所得的训练数据,采用长短记忆深度神经网络进行训练;
(5)利用实时负荷数据在训练好的模型中进行计算,精准预测各时空负荷。
2.如权利要求1所述的一种多时空长短记忆深度网络精准预测方法,其特征在于,所述步骤(1)中将电力系统负荷按时空划分为多个子区域,充分考虑了时间和空间对负荷变动的影响,得到了更加有特点的负荷训练数据,使得负荷预测可以分区域、分时间段进行,预测结果更加精准。
3.如权利要求1所述的一种多时空长短记忆深度网络精准预测方法,其特征在于,所述步骤(2)中采集的负荷训练数...
【专利技术属性】
技术研发人员:殷林飞,谢佳兴,吴云智,罗仕逵,高放,黄天蔚,孙志响,
申请(专利权)人:广西大学,
类型:发明
国别省市:广西;45
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。