基于长短期记忆的图像化短期电力负荷预测方法

Abstract

“双碳”目标下，中国电力系统将呈现“双高”特点，供需平衡面临新的挑战，亟需更加精确的电力负荷预测方法。为此，提出了一种将负荷数据图像化，并应用长短期记忆（long short-term memory，LSTM）人工神经网络进行短期电力负荷预测的方法。首先，研究图像化的负荷数据表达方法，包括时序负荷曲线转换为RGB（红绿蓝三原色）格式图片及其逆过程。其次，将图像化的时序负荷数据作为LSTM的输入进行预测。最后，将预测图片进行时序曲线转化得到最终的短期负荷预测结果。此方法在丰富了负荷数据表达方式的同时，还凸显了LSTM方法在图像分析和处理上的优势。实验结果表明，该方法在一定程度上提高了短期负荷预测的精度，满足实际工程需求。