一种采用记忆神经网络和曲线形状修正的负荷预测方法
针对分布式电源和新型负荷容量累积造成负荷影响因素多元化和不确定性特性增强的问题，文中提出一种采用记忆神经网络和曲线形状修正的负荷预测方法。在负荷峰值预测中，采用最大信息系数计算负荷峰值与影响因素的非线性相关性，实现对输入特征的筛选；综合考虑负荷峰值序列的长短期自相关性和输入特征与负荷峰值的不同程度相关性，结合Attention机制和双向长短时记忆(bidirectional long short-term memory,BiLSTM)神经网络建立负荷峰值预测模型。在负荷标幺曲线预测中，通过误差倒数法组合相似日和相邻日，建立负荷标幺曲线预测模型；针对预测偏差的非平稳特征，利用自适应噪声的完全集成经验模态分解和BiLSTM网络建立误差预测模型，对曲线形状进行修正。应用中国北方某城市的区域电网负荷数据为算例，验证了所提模型的有效性。
标题：
一种采用记忆神经网络和曲线形状修正的负荷预测方法
A load prediction method using memory neural network and curve shape correction
作者：
张家安，李凤贤，王铁成，郝妍
ZHANG Jiaan, LI Fengxian, WANG Tiecheng, HAO Yan
关键词：
超短期负荷预测;Attention机制;双向长短时记忆(BiLSTM)神经网络;负荷峰值;负荷标幺曲线;曲线形状修正
ultra-short term load prediction;attention mechanism;bidirectional long-short term memory (BiLSTM) neural network;load peak;load per-unit curve;curve shape correction
