考虑特征重要性值波动的MI-BILSTM短期负荷预测

作者：孙辉; 杨帆; 高正男; 胡姝博^*; 王钟辉; 刘劲松

来源：电力系统自动化, 2022, 46(08): 95-103.

DOI：10.7500/AEPS20210625008

• 短期负荷预测
• 双向长短期记忆网络
• 权值共享
• 互信息法

在短期负荷预测中，含有循环单元的深度学习模型应用广泛，但训练时采用的权值共享结构具有时不变性，忽略了输入特征(气象、日期、历史负荷值等)在不同时刻下给负荷变化带来的不同影响，即权值共享结构无法追踪输入特征的重要性值波动。针对此问题，提出一种考虑特征重要性值波动的互信息(MI)-双向长短期记忆(BILSTM)网络预测方法。利用MI法提取输入特征在不同时刻下的重要性值，组成重要性值波动矩阵，并将其作为系数修正原输入特征。然后，代入BILSTM网络中完成训练和预测工作，弥补权值共享结构无法追踪特征重要性值波动的缺陷，进一步提高预测精度。最后，以某地区实际电网负荷数据为例，验证所提短期负荷预测方法的有效性。

• 出版日期2022
• 单位国网辽宁省电力有限公司; 大连理工大学