基于LSTM神经网络的短期电量预测

张永建，周晟,沈澄泓，周长星

(1.国网浙江省绍兴供电公司， 浙江 绍兴312099;2.浙江泛海智行电力科技有限公司，浙江 杭州 310052)

作为外向型城市的绍兴，由于近年来受宏观经济形势复杂多变，产业结构调整，中美经贸摩擦升级的影响，经济增速放缓，全市工业出口增速呈现一定回落的趋势。去年一月开始的全世界新冠肺炎疫情又使绍兴的工业生产和外贸出口出现更明显的下滑，2020全年的经济增长大幅度放缓。疫情形势和经济环境的不确定性增加了售电量预测的难度。

供电公司的财务部门在每个月的某个时间点需要对未来30天或31天的全行业售电量做出预测，乘以电价得出售电量收入后，为制定“现金流预算计划”提供参考。绍兴作为新二线城市共有高压用户几万个，其用电量占全行业用电量的80%以上。因此对高压用户的用电量进行准确预测，就可以把握全行业的用电量乃至售电量。

(1)

用上述公式先预测出某月的用电量，便可推算出这个月的售电量。此外供电公司通过预测区域内所有外贸企业未来一个月的用电量来判断外贸企业乃至整个地区经济的景气程度。未来一个月电量的预测值是通过预测未来一个月内每天的电量然后累加得到的。

对电量预测的研究由来已久，例如文献[1]用GRU结合STL分解的方法预测短期电量，获得一定的精度，文献[2]用基于集合经验模式分解的ARIMA模型来预测月电量，效果尚满意，但是用上述方法做出的预测均未达到供电公司业务需求的预测误差在2%左右以下的要求，应用起来缺乏实际意义。……