基于lssvr和lstm多模型优化集成负荷预测.pdf

第38卷 第 1期 计算机仿真 2021年 1 月
文 章 编 号 ： 1006 -9348(2021)01 -0344 -06
基 于 LSSVR和 LSTM 的多模型优化集成负荷预测
郭傅傲，刘大明，唐飞
( 上 海 电 力 大 学 计 算 机 科 学 与 技 术 学 院 ，上 海 2 _ 3 )
摘 要 : 针 对 负 荷 需 求 受 多 源 因 素 影 响 和 现 有 单 模 型 预 测 方 法 精 度 较 低 的 问 题 ，提出 了 一 种 基 于 最 小 二 乘 支 持 向 量 回 归 （LSS-
V R )和 长 短 期 记 忆 循 环 神 经 网 络 （LSTM)的 多 模 型 优 化 集 成 负 荷 预 测 方 法 。 首 先 探 究 负 荷 相 关 特 征 的 特 性 并 由 互 信 息 进 行
特 征 选 择 ，获取 最 优 特 征 集 。 在 此 基 础 上 采 用 随 机 抽 样 （bootstrap)生 成 多 个 训 练 集 ，然后 使 用 具 有 良 好 预 测 能 力 的 LSSVR
和 LSTM模 型 对 多 个 训 练 集 分 别 进 行 预 测 。 利 用 混 沌 粒 子 群 优 化 算 法 （C P S0)进 一 步 提 高 模 型 预 测 精 度 。 最 后 ，在决 策 阶
段 中 使 用 偏 最 小 二 乘 回 归 （PLSR)组 合 各 个 子 模 型 的 最 优 预 测 输 出 并 提 供 最 终 预 测 结 果 。 对 真 实 电 网 数 据 进 行 了 仿 真 ，并
与 其 它 预 测 方 法 进 行 了 比 较 。 本 文 所 提 方 法 的 应 用 范 围 广 泛 且 预 测 精 度 提 高 显 著 。
关键词 ：互 信 息 ; 最 小 二 乘 支 持 向 量 回