考虑需求响应机制的短期负荷预测方法
知识产权简介
针对电力负荷预测的准确性难以达到理想的负荷预测精度的问题,在长短期记忆网络( LSTM)预测模型的基础上,利用遗传算法(GA)对LSTM模型关键参数的隐藏单元个数和最大训练轮数进行优化,提出一种利用遗传算法改进LSTM模型的预测方法。针对需求侧资源利用率和用户参与需求侧响应的积极性不高的问题,考虑可中断负荷、可转移负荷和储能系统三种控制资源,构建了以电网收益为目标的最优调度模型。
针对电力负荷预测的准确性难以达到理想的负荷预测精度的问题,在长短期记忆网络( LSTM)预测模型的基础上,利用遗传算法(GA)对LSTM模型关键参数的隐藏单元个数和最大训练轮数进行优化,提出一种利用遗传算法改进LSTM模型的预测方法。针对需求侧资源利用率和用户参与需求侧响应的积极性不高的问题,考虑可中断负荷、可转移负荷和储能系统三种控制资源,构建了以电网收益为目标的最优调度模型。