基于扩大周期的电力负荷预测模型OA
Power Load Forecasting Model Based on Expansion Period
针对现有电力负荷预测模型依赖近期数据导致预测结果偏离时间序列真实情况的问题,文中提出了基于扩大周期信息的电力负荷预测模型.将预处理完的电力负荷时间序列按照同一时刻不同天进行处理,在此基础上分别利用ARIMA(Autoregressive Integrated Moving Average Model)模型和LSTM(Long Short-Term Memory Network)模型进行建模分析,并采用3种评价指标评估模型的预测表现.预测结果表明,扩大周期信息构建的ARIMA模型的3种评价指标都比传统ARIMA模型低,对应的RMSE(Root Mean Square Error)、MAE(Mean Absolute Error)和MAPE(Mean Absolute Per-centage Error)分别为32434.1148、5828.3909和0.0252;扩大周期信息的LSTM模型也比原始LSTM模型低,对应的RMSE、MAE和MAPE分别为13520.4974、9298.3526和0.0914.
张海芳;何清龙;张林
贵州大学 数学与统计学院,贵州 贵阳550025
电子信息工程
电力系统负荷预测ARIMALSTM扩大周期时间序列中短期预测评价指标
power systemload forecastingARIMALSTMexpansion cycletime seriesshort and medium term forecastsevaluation indicator
《电子科技》 2024 (002)
1-5 / 5
中国博士后科学基金(2019M650831)China Postdoctoral Science Foundation(2019M650831)
评论