基于特征优选策略和DLSTMs-FCN优化的短期负荷预测

来源：电子测量技术杂志2023年第10期北京时间：

作者：孟金鑫，黄山，印月

单位：四川大学电气工程学院 成都 610000

摘要：针对当前基于长短期记忆网络的短期负荷预测模型存在特征冗余、重要信息丢失等问题，提出一种基于特征优选策略和DLSTMsFCN并联优化结构的短期负荷预测方法。首先利用基于极限梯度提升的特征优选策略构造负荷预测模型中的输入特征最优集，减少冗余信息，加快模型拟合；而后利用DLSTMs提取负荷数据的时序特征，并辅以FCN的多维卷积运算及结构特征提取的高分辨率信息，增强对输入数据重要特征的学习和记忆，进而并联构成高效准确的短期负荷预测模型。实验结果表明，本文优化方法相较于ALSTMs和CNNLSTMs预测误差分别降低了6%和4%，预测误差波动分别降低了47%和48%。

关键词：短期负荷预测;特征优选策略;极限梯度提升;长短期记忆;FCN

基金资助：四川省科技计划资助项目(2021YFSY0051)、四川省科技厅国际/港澳台科技创新合作项目(2022YFH0018)资助