[发明专利]一种基于长短时记忆模型的电力中长期负荷预测方法

摘要

本发明公开了一种基于长短时记忆模型的电力中长期负荷预测方法，涉及电力预测技术领域。本发明包括如下步骤：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，得出负荷比率；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；长短时记忆模型的构建：将负荷比率数据及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；模型训练和优化；对未来年份的时序片段的电力负荷进行预测。本发明通过基于长短时记忆模型，对电力的中长期负荷进行预测，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，提高地区电网的运行的稳定性。

主权项

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。