本文主要研究内容
作者史静,李琥,李冰洁,谈健,刘丽新（2019）在《基于长短期记忆神经网络的配电网负荷预测方法研究》一文中研究指出：高渗透率分布式光伏接入配电网后,将削减配电网负荷。由于光伏出力与配电网负荷均具有强随机性,且与温度、太阳辐照等相关气象因素耦合特性不同,导致配电网净负荷随机性提高、预测难度增加。为满足强波动性配电网净负荷短时预测需要,提出基于长短期记忆(long short term memory,LSTM)神经网络短期预测模型构建新方法。采用LSTM分别构建小时前配电网负荷预测模型和短期光伏出力预测模型,并分别使用交叉验证方法优化各个LSTM预测器结构超参数;最后,以两者预测结果相减,获得配电网净负荷。实测数据实验表明,相较于支持向量回归(SVR)等方法,采用LSTM的新方法能够自适应挖掘历史负荷、光伏出力特征与预测对象间的相关性,避免了复杂的特征选择环节,且预测精度优于SVR预测方法。
Abstract
gao shen tou lv fen bu shi guang fu jie ru pei dian wang hou ,jiang xiao jian pei dian wang fu he 。you yu guang fu chu li yu pei dian wang fu he jun ju you jiang sui ji xing ,ju yu wen du 、tai yang fu zhao deng xiang guan qi xiang yin su ou ge te xing bu tong ,dao zhi pei dian wang jing fu he sui ji xing di gao 、yu ce nan du zeng jia 。wei man zu jiang bo dong xing pei dian wang jing fu he duan shi yu ce xu yao ,di chu ji yu chang duan ji ji yi (long short term memory,LSTM)shen jing wang lao duan ji yu ce mo xing gou jian xin fang fa 。cai yong LSTMfen bie gou jian xiao shi qian pei dian wang fu he yu ce mo xing he duan ji guang fu chu li yu ce mo xing ,bing fen bie shi yong jiao cha yan zheng fang fa you hua ge ge LSTMyu ce qi jie gou chao can shu ;zui hou ,yi liang zhe yu ce jie guo xiang jian ,huo de pei dian wang jing fu he 。shi ce shu ju shi yan biao ming ,xiang jiao yu zhi chi xiang liang hui gui (SVR)deng fang fa ,cai yong LSTMde xin fang fa neng gou zi kuo ying wa jue li shi fu he 、guang fu chu li te zheng yu yu ce dui xiang jian de xiang guan xing ,bi mian le fu za de te zheng shua ze huan jie ,ju yu ce jing du you yu SVRyu ce fang fa 。
论文参考文献
论文详细介绍
论文作者分别是来自供用电的史静,李琥,李冰洁,谈健,刘丽新，发表于刊物供用电2019年07期论文，是一篇关于配电网论文,负荷预测论文,光伏出力预测论文,净负荷论文,长短期记忆论文,高渗透率论文,供用电2019年07期论文的文章。本文可供学术参考使用，各位学者可以免费参考阅读下载，文章观点不代表本站观点，资料来自供用电2019年07期论文网站，若本站收录的文献无意侵犯了您的著作版权，请联系我们删除。
标签：配电网论文; 负荷预测论文; 光伏出力预测论文; 净负荷论文; 长短期记忆论文; 高渗透率论文; 供用电2019年07期论文;