基于改进Bagging算法与模糊MP-LSTM融合的短期负荷预测模型.docx

1 引言 负荷预测是保持电力系统稳定运行的重要基础,特别是市场化改革后,电力供需将通过实时交易实现平衡,短期负荷预测的精度也越来越重要[1]。短期负荷预测主要决定未来的发电计划,且精确的短期负荷预测对电力系统的经济调度、最优潮流与调度部门机组的最优组合都有着十分重要的作用。 影响短期负荷预测精度的因素很多,包括预测模型、天气情况、历史数据等[2]。人工神经网络(Artificial neural network, ANN)因网络所需设置的参数相对简单,且收敛速度较快,得到了广泛的应 用[3]。目前常用的人工神经网络有深度神经网络(Deep neural networks, DNN)、循环神经网