基于LSTM+MIDAS深度学习模型的电力需求预测.pdf

第43卷第2期 能源 与环保
2227 年 6 月 Chinx Exp/y and Edvigumextai Putectiox Jun. 2227
基于LSTM+ MIDAS 深度学习模型的电力需求预测
洪小林
(河海大学理学院，江苏南京710098 )
摘要：为了准确预测不同用电设施的电力需求模式，设计了一种基于长短期记忆网络(LSTM )深度学
习方法的自定义电力需求预测模型。利用混合数据抽样(MIOAS) 方法对自回归分布滞后(ARDL)进
行改进，提出了 LSTM+MIOAS 模型的电力需求预测方法。通过每天以5 mix的频率收集住宅、市政
厅、医院、工业等4类设施的用电数据，采用短期、长期、季节性预测3种方法进行了对比试验,通过测
试验证了预测模型的误差率，分析了实际用电需求监测系统中电力模式的季节性波动规律 ，并预测各
设施的用电需求。实验结果表明，利用所提出的LSTM + MIDAS 模型进行电力需求预测的总体误差
率均有所降低，并且可以有效检测电力需求波动性。
关键词：智能电网；用电模式；LSTM ；深度学习；电力需求预测
中图分类号:TP397S 文献标志码:A 文章编号：1003 -0506(2071)06 -0220 -09
Power demand forecasting baseP on LSTM + MIDAS deep learuing model