摘要:
在目前中国的南方电力市场的电量偏差考核机制下,拥有更准确的电力负荷预测技术的售电企业在现在的中长期市场中将会有更少的偏差电量,从而获得成本更低的竞争优势。 为了探究在成熟的电力现货市场下,对电力负荷预测有影响的因素有哪些以及如何使用预测模型实现更好的电力负荷预测精度的问题,通过文献梳理归纳出影响电力负荷四类因素:历史负荷数据、气象因素、时间因素、经济因素,构建了考虑多变量因素的长短期记忆网络(LSTM)电力负荷预测模型,以澳大利亚昆士兰州为算例进行预测分析,结果表明基于 LSTM 的电力负荷预测方法误差相比较于基于 ARIMA 模型的电力负荷预测方法的误差更低,预测效果更好。 而在影响因素当中,算例结果比较显示日期类型对电力负荷预测预测结果影响最强,其次是电价因素,最后是最低与最高温度。 该预测方法在相似于美国的 PJM 电力市场中也可以使用。
