摘要
中文摘要
短期负荷精准预测,是保证新型电力系统安全稳定运行的关键技术之一。然而,居民负荷预测面临着用户量巨大、负荷高异质性、高波动性和高随机性的难点,随着用户类型和数据的增加,会导致模型复杂度大幅上升,难以满足新型电力系统中负荷预测的要求。为此,本文构建了基于预测导向自编码器的结构化长短时神经网络模型,通过单一模型实现对所有类型用户短期负荷的精准预测。与同类模型相比,本文提出的13种组合模型预测精度提高7.16%~11.59%,同时对非电力领域的高异质性主体复杂高频时间序列的统一预测也有一定的借鉴意义。关键词：居民电力消费行为,短期负荷精准预测,深度学习,全局预测
Abstract
Accurateshort-termloadforecastingisoneofthekeytechnologiestoensurethesafeandstableoperationofnewpowersystems.However,residentialloadforecastingfacesthedifficultiesofhugenumberofusers,highloadheterogeneity,highvolatilityandhighrandomness.Withtheincreaseofusertypesanddata,the