电力负荷预测技术用于电力系统短期负荷的预测方法.docxVIP

[全]电力负荷预测技术-用于电力系统短期负荷的预测方法 随着电力市场的发展以及用户需求的逐步提升，电网的安全及经济运行变得至关重要。对电力负荷进行准确的短期预测，可以有效保障电网安全运行，降低发电成本，满足用户需求，提高社会经济效益。由于电力能源的生产、输送、分配和供应消费几乎同时完成，电能作为一种较为特殊的能源，难以大量存储，这就使得电力系统发电出力应该与系统负荷的变化随时保持一致，达到动态平衡，满足供需关系，否则轻则影响供电质量，重则危机整个电力系统的安全与稳定。由于电力系统负荷具有明显的周期特性(天，周，月，年)，同时影响的因素复杂(天气、经济、节假日、观测误差等等)，电力系统负荷呈现出较强的随机性和非周期成分，为短期预测带来较大难度。 文献“Zheng J,Xu C,Zhang Z,et al.Electric load forecasting in smartgrids using Long-Short-Term-Memory based Recurrent Neural Network[C]//Information Sciences and Systems.IEEE,2017.”使用LSTM对电力负荷进行了短期预测，并将LSTM与其他常见算法进行了对比，结果表明LSTM的预测误差要优于其他算法。同时，文中指出季节性差分自回归滑动平均模型(SARIMA)对于非平稳非季节