基于LSTM-ARIMA组合模型的区域短期用电量预测

摘要

用电数据具有不平稳、非线性的特点,为了提升对用电数据的拟合精度,增强预测能力,基于序列预测与残差修正的思想提出通过长短期记忆神经网络(Long Short-Term Memory Neural Network,LSTM)对用电量序列进行预测,真实值与预测值所构成的差值即残差用差分自回归移动平均模型(Autoregressive Integrated Moving Average Model,ARIMA)进行残差修正,将LSTM的预测值与ARIMA的残差修正值进行重构得到最终的预测值。最后利用广东省佛山市某工业园区的用电数据对组合模型进行验证,实验结果显示该模型的预测精度与预测稳定性均优于其他模型,取得了良好的预测效果。