基于多尺度跳跃深度长短期记忆网络的短期多变量负荷预测

作者：肖勇; 郑楷洪; 郑镇境; 钱斌; 李森; 马千里

来源：计算机应用, 2020, 1-7.

• 短期电力负荷预测
• 时间序列预测
• 多尺度时序特征
• 长短期记忆网络
• 跳跃连接 short-term power load forecasting
• time series forecasting
• multi-scale temporal feature
• Long Short-Term Memory (LSTM) network
• skip connection

近年来，以循环神经网络为主体构建的预测模型在短期负荷预测中取得了优越的性能。然而，由于循环神经网络不能有效地捕捉存在于短期电力负荷数据的多尺度时序特征，因而难以进一步提升负荷预测精度。为了捕获短期电力负荷数据中的多尺度时序特征，提出了一种新颖的短期电力负荷预测模型，称为多尺度跳跃深度长短期记忆网络(MSD-LSTM)。具体来说，MSD-LSTM以长短期记忆网络(LSTM)为主体构建预测模型，能够较好地捕获长短期时序依赖，从而缓解时序过长时重要信息容易丢失的问题。进一步地，采用多层LSTM架构并且设置不同的跳跃连接数，使得每层LSTM能够捕获不同时间尺度的特征。最后，引入全连接层把各层提取到的多...

• 出版日期2020-10-16
• 单位华南理工大学; 南方电网科学研究院有限责任公司