考虑特征重要性值波动的MI-BILSTM短期负荷预测

作     者：孙辉 杨帆 高正男 胡姝博 王钟辉 刘劲松 SUN Hui;YANG Fan;GAO Zhengnan;HU Shubo;WANG Zhonghui;LIU Jinsong

作者机构：大连理工大学电子信息与电气工程学部辽宁省大连市116024 国网辽宁省电力有限公司电力科学研究院辽宁省沈阳市110055 国网辽宁省电力有限公司调度控制中心辽宁省沈阳市110004 

出 版 物：《电力系统自动化》 (Automation of Electric Power Systems)

年 卷 期：2022年第46卷第8期

页      面：95-103页

核心收录：

学科分类：0831[工学-生物医学工程（可授工学、理学、医学学位）] 12[管理学] 1201[管理学-管理科学与工程(可授管理学、工学学位)] 1002[医学-临床医学] 080802[工学-电力系统及其自动化] 0808[工学-电气工程] 08[工学] 081104[工学-模式识别与智能系统] 0805[工学-材料科学与工程（可授工学、理学学位）] 0835[工学-软件工程] 0811[工学-控制科学与工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：国家重点研发计划资助项目(2019YFB1505400) 

主　　题：短期负荷预测 双向长短期记忆网络 权值共享 互信息法 

摘      要：在短期负荷预测中,含有循环单元的深度学习模型应用广泛,但训练时采用的权值共享结构具有时不变性,忽略了输入特征(气象、日期、历史负荷值等)在不同时刻下给负荷变化带来的不同影响,即权值共享结构无法追踪输入特征的重要性值波动。针对此问题,提出一种考虑特征重要性值波动的互信息(MI)-双向长短期记忆(BILSTM)网络预测方法。利用MI法提取输入特征在不同时刻下的重要性值,组成重要性值波动矩阵,并将其作为系数修正原输入特征。然后,代入BILSTM网络中完成训练和预测工作,弥补权值共享结构无法追踪特征重要性值波动的缺陷,进一步提高预测精度。最后,以某地区实际电网负荷数据为例,验证所提短期负荷预测方法的有效性。