基于SVM-STL-LSTM的区域短期电力负荷预测研究

作     者：王晨 李又轩 吴其琦 邬蓉蓉 WANG Chen;LI You-xuan;WU Qi-qi;WU Rong-rong

作者机构：广西科技大学自动化学院广西柳州545006 广西电网有限责任公司电力科学研究院广西南宁530023 

出 版 物：《水电能源科学》 (Water Resources and Power)

年 卷 期：2024年第42卷第4期

页      面：215-218页

学科分类：080802[工学-电力系统及其自动化] 0808[工学-电气工程] 08[工学] 

基　　金：广西自然科学基金项目(2018GXNSFAA050029) 

主　　题：组合模型 支持向量机 STL时序分解 长短期记忆网络 短期预测 误差修正 

摘      要：针对区域电力负荷的时间序列数据随机性强、预测精度低及单一模型的数据特征提取能力差等问题,提出了一种支持向量机(SVM)、STL时序分解法、长短期记忆神经网络(LSTM)组合的电力负荷预测模型。该模型利用SVM对时间序列的电力负荷数据进行初始预测,并通过STL时序分解法对残差序列进行时序分解,从而提高残差序列的稳定性,减小其随机性,最后用LSTM对SVM的预测误差进行修正。试验结果证明,该方法利用误差修正可有效处理随机性强的数据,有利于预测结果的稳定性,提高预测精度。