基于奇异谱分析与长短时记忆神经网络的电厂存煤量短期预测

摘要: 针对火力发电厂存煤量预测精度不高的问题，提出了一种基于奇异谱分析（SSA）和长短时记忆（LSTM）神经网络的多变量多步预测模型.考虑电厂历史数据和温度的影响，以奇异谱分析或小波分析（wavelet analysis）对数据做平滑处理，剔除数据中的噪声成分，作为LSTM神经网络的输入向量进行仿真测试.结果表明，相比于普通BP（back propagation）神经网络、循环神经网络（RNN）和小波分析与LSTM结合算法，本文采用的基于奇异谱分析和长短时记忆神经网络的多变量多步预测模型精度更高.

关键词: 火电厂存煤量     短期预测     奇异谱分析     多变量多步预测     长短时记忆神经网络    

0 引言

能源电力在现代社会的生活发展中必不可少，而交流电难以大量地直接储存依旧是一大难题，发电、输电和用电过程是同时进行的[1].