考虑特征重要性值波动的MI-BILSTM短期负荷预测.pdfVIP

第46 卷 第8 期 2022 年4 月25 日 Vol.46No.8 Apr.25，2022 DOI：10.7500/AEPS20210625008 考虑特征重要性值波动的MI-BILSTM短期负荷预测 1 1 1 1，2 3 2 孙 辉 ，杨 帆 ，高正男 ，胡姝博 ，王钟辉 ，刘劲松 （1. 大连理工大学电子信息与电气工程学部，辽宁省大连市 116024； 2. 国网辽宁省电力有限公司电力科学研究院，辽宁省沈阳市 110055； 3. 国网辽宁省电力有限公司调度控制中心，辽宁省沈阳市 110004） 摘要：在短期负荷预测中，含有循环单元的深度学习模型应用广泛，但训练时采用的权值共享结构 具有时不变性，忽略了输入特征(气象、日期、历史负荷值等)在不同时刻下给负荷变化带来的不同影 响，即权值共享结构无法追踪输入特征的重要性值波动。针对此问题，提出一种考虑特征重要性值 波动的互信息(MI)-双向长短期记忆(BILSTM)网络预测方法。利用MI法提取输入特征在不同时刻 下的重要性值，组成重要性值波动矩阵，并将其作为系数修正原输入特征。然后，代入BILSTM 网 络中完成训练和预测工作，弥补权值共享结构无法追踪特征重要性值波动的缺陷，进一步提高预测 精度。最后，以某地区实际电网负荷数据为例，验证所提短期负荷预测方法的有效性。 关键词：短期负荷预测；双向长短期记忆网络；权值共享；互信息法 0 引言 度学习模型在短期负荷预测中被广泛应用。文献 ［8-9］基于LSTM进行短期负荷预测，提高了预测 短期负荷预测通过对数学、统计学等各种分析 精度；文献［10-12］以GRU为底层模型进行负荷预 工具的运用，探究历史负荷之间的关系与规律，并对 ［1］ 测，验证了其有效性；文献［13］将孪生网络、灰狼优 未来几小时或几天的负荷大小进行推测 ，以保障 化算法和LSTM结合进行负荷预测，在保证预测值 电力系统的安全运行。近年来，随着储能、新能源、 精度的同时，提高了算法的运行效率；文献［14-15］ 电动汽车接入电网的规模不断增大，以及基于激励、 采用双向长短期记忆（BILSTM）网络（下文简称 价格的需求侧响应模式的持续发展，短期负荷预测 BILSTM）进行负荷预测 ，证明了相较于 LSTM， 的复杂度明显增加。同时，在电力市场化改革不断 BILSTM对于连续时间序列具有更好的表达能力。 推进的背景下，高效、实时的电力交易成为必需，这 ［16］ 为了防止参数过多影响训练效率 ，文献［8-15］中 给短期负荷预测的精确性、快速性和可靠性提出了 的模型采用权值共享结构对电力负荷的时序信息进 更高的要求。 行提取，文献［17］首次对权值共享结构的时不变性 围绕着电力负荷数据强时序性和强非线性的特 进行讨论，但目前的研究中尚未针对时不变性对负 点，国内外学者持续不断地开展