基于LSTM神经网络的区域微网短期负荷预测
作者：尹春杰; 肖发达; 李鹏飞; 赵钦
更新时间：
关于大电网负荷预测的研究很多，但对于小电网的研究相对较少。因此，建立合适的负荷预测模型，提高预测精度是非常重要的。针对输入变量较少的问题，本文分析并选择温度、日类型和多个历史负荷作为模型的输入变量，选择基于循环神经网络的长、短期记忆神经网络进行建模，构建了基于LSTM神经网络的微网负荷预测模型。最后，为了提高预测结果的可靠性，采用两组不同时段的负荷数据进行预测，并将LSTM神经网络的预测结果与BP神经网络、径向基函数神经网络和Elman神经网络的预测结果进行了比较。实验结果表明，LSTM神经网络的预测结果优于BP神经网络、径向基函数神经网络和Elman神经网络神经网络。LSTM神经网络负荷预测模型在微电网背景下具有良好的推广前景。