电工电能新技术

作者：白登辉1,2

单位：1.四川大学电气工程学院， 四川 成都 610065；
\r\n2. 四川省建筑设计研究院， 四川 成都 610000

关键词：偏差电量考核, 非对称损失, 售电量预测, 双向长短期记忆神经网络, 季节分解

基金：国家重点研发计划项目(2018YFC0704700)

售电量预测的精度决定了售电公司的运营收益。传统售电量预测方法存在未计及偏差电量考核机制的差异、缺少时序相关性与长程依赖性等问题。为此，提出一种计及偏差电量考核机制的人工神经网络售电量预测模型。首先，根据购售电交易时序特点重构特征向量。其次，建立基于季节分解的加权模型(SDW)与双向长短期记忆神经网络(Bi-LSTM)分别对年度双边协商月度分解售电量和月度集中竞价售电量进行预测，基于月度偏差考核规则定义非对称损失函数(ALF)，关联反向传播过程与整体收益，使网络输出趋向收益最大化。最后，通过数据集进行算例仿真并比较各项性能指标，验证了该模型相比于传统预测模型经济实用性强，准确度高且稳定。

来源：2020年第6期

《电工电能新技术》期刊编辑部

查看电工电能新技术杂志2020年第6期