文章摘要:针对短期负荷预测精细化的需求，提出基于虚拟相似日与双阶段注意力机制的长短期时序神经网络（DA-LSTPNet）的地区级短期负荷预测方法。为获得与负荷相匹配的细粒度实时气象数据，首先基于粗粒度的气象数据，利用灰色关联度和关联度加权法获取含细粒度气象数据的气象虚拟相似日。然后，采用最大信息系数（MIC）对气象特征信息与负荷进行非线性关联性分析，构建MIC加权下的负荷虚拟相似日选取算法，解决选取历史日作为传统负荷相似日而导致的过分局部相似乃至非相似的问题。最后，针对过往预测模型缺乏考虑特征因素与局部负荷细粒度变化之间联系特性的问题，构建能够有效挖掘负荷特征数据长期宏观以及短期局部变化特性的DALSTPNet进行日前短期负荷预测。实验仿真以中国南方某地区电网实际负荷数据为例，采用多种形式的仿真验证了所提预测方法具有更高的预测精度和普适性。

文章关键词:

项目基金: