摘 要：电力系统负荷预测是电力系统规划与调度的一项重要内容。若电力负荷预测准确，短期内可为电网内部机组启停、调度、运营提供参考。文章基于华南某城市的用电负荷相关数据，使用 LSTM 深度学习模型进行多变量预测，并在实证分析中对线性回归、决策树和 xgboost 三种机器学习算法进行比较，验证了该模型的准确性。
关键词：RNN；LSTM；深度学习；电力负荷
DOI:10.19850/j.cnki.2096-4706.2022.24.042
中图分类号：TP18 文献标识码：A 文章编号：2096-4706（2022）24-0155-04
Multivariate Electricity Load Short-term Forecasting Based on LSTM
CHEN Xiantao
(South China Normal University, Guangzhou 510631, China)
Abstract: Power system load forecasting is an important part of power system planning and dispatching. If the electricity load forecasting is accurate, it can provide a reference for unit startup, shutdown, dispatching and operation in the power grid in the short term. Based on the power load related data of a city in South China, this paper uses LSTM deep learning model to make multivariable prediction, and compares three machine learning algorithms of linear regression, decision tree and xgboost in the empirical analysis to verify the accuracy of this model.
Keywords: RNN; LSTM; deep learning; electricity loa
参考文献：
[1] HOPFIELD J J. Neural networks and physical systems with emergent collective computational abilities [J].Proceedings of the National Academy of Sciences of the United States of America，1982，79（8）：2554-2558.
[2] HOCHREITER S，SCHMIDHUBER [J]. Long Shortterm Memory [EB/OL].[2022-07-24].https://max.book118.com/ html/2017/0630/119181591.shtm.
[3] 解天舒 . 基于卷积神经网络的 Dropout 方法研究 [D]. 成都：电子科技大学，2021.
[4] 李冰冰 . 基于 k-means 聚类与 BP 神经网络的用电负荷预测方法 [J]. 光源与照明，2022（4）：165-167.
[5] 毛震 . 基于改进粒子群算法的光伏电站并网预测研究 [D].沈阳：沈阳工业大学，2021.
[6] 李玉志，刘晓亮，邢方方，等 . 基于 Bi-LSTM 和特征关联性分析的日尖峰负荷预测 [J]. 电网技术，2021，45（7）：2719-2730.
作者简介：陈显涛（2001—），男，汉族，广东深圳人，本科在读，研究方向：机器学习。