基于LSTM神经网络的多要素用电量动态预测

打开文本图片集

摘 要：准确地预测用电量有助于电力气象服务工作的开展，并可保障电力系统经济、安全、可靠运行。基于东至县2014—2018年日用电量数据，结合气象要素和日期因素，通过相关性分析筛选要素，并利用长短期记忆（LSTM）神经网络开展多时次用电量预测。利用人体舒适度指数、平均地面温度、最高气温、最低气温、平均水汽压、日期因素和用电量序列数据构建用电量预测LSTM模型，该模型利用过去24日数据，对未来1、3、6日日用电量进行预测，其标准化均方根误差（CVRMSE）分别为0.06、0.09和0.11，相对误差（RE）分别为0.27、0.26、0.27，决定系数（R2）分别为0.56、0.22、0.12。（剩余3752字）