基于LSTM-SVR的用电需求预测方法
    65.
    发明公开

    公开(公告)号:CN115759415A

    公开(公告)日:2023-03-07

    申请号:CN202211458094.8

    申请日:2022-11-16

    摘要: 本发明涉及基于LSTM‑SVR的用电需求预测方法,它包括以下步骤:构建LSTM网络模型;采用PSO来对SVR的参数进行寻优;构建LSTM‑SVR模型;实验并进行分析;本发明利用LSTM对时间序列电力负荷数据进行预测,而后通过基于PSO和CV寻优的SVR对其误差进行修正来提高预测精度,将温度、风速、风向、太阳辐射、湿度、光照度等气象条件作为特征向量,对用户用电需求进行预测,利用深度学习LSTM对时间序列数据的记忆能力,支持向量机对误差的泛化能力和粒子群交叉验证的寻优能力,使得预测的最终结果更加精确,其拟合系数R2达到0.96以上,平均绝对百分误差小于0.13%,拟合程度高;本发明具有提升电力负荷的预测精度、电力需求预测值更加精确、平均绝对百分误差、拟合程度高的优点。