基于长短期记忆(LSTM)深度学习模型的土耳其水电发电量预测
机器学习
2024-11-05 v1 信号处理
摘要
水电是可再生能源之一,在土耳其已被使用多年。基于水库的水力发电厂产量随不同参数而变化。因此,水电产量的估算在发电规划方面具有重要意义。本文利用基于长短期记忆(LSTM)网络的深度学习模型对土耳其的月度水电产量进行了估算。所设计的深度学习模型基于水力发电时间序列及多年的未来生产规划。通过使用真实生产数据与不同的 LSTM 深度学习模型,考察了它们在下一年度月度水力发电量预测上的性能。结果表明,将基于多年真实生产数据的时间序列与深度学习模型结合使用在长期预测中是成功的。研究中可见,根据 RMSE 与 MAPE 值,使用 120 个月(10 年)水电发电时间数据的 100 层 LSTM 模型在估算精度上最高,其年度总计 MAPE 值为 0.1311(13.1%),月度平均分布为 1.09%。在该模型中,使用 144 个月(12 年)水电发电时间数据的 100 层 LSTM 模型取得了最佳结果,年度 RMSE 值为 29689,月度分布为 2474.08。根据研究结果,建议至少涵盖 120 个月生产的时间数据,以构建可接受的 LSTM 水电预测模型。
引用
@article{arxiv.2109.09013,
title = {Hydroelectric Generation Forecasting with Long Short Term Memory (LSTM) Based Deep Learning Model for Turkey},
author = {Mehmet Bulut},
journal= {arXiv preprint arXiv:2109.09013},
year = {2024}
}