72、电力负荷预测与路面湿度分类的研究进展

电力负荷预测与路面湿度分类的研究进展

电力负荷预测研究

在电力负荷预测领域，研究人员对相关文献进行了系统回顾。此次回顾聚焦于2019 - 2021年发表在IEEE Xplore数据库上的11篇文章，这些文章均围绕LSTM在电力负荷预测中的应用展开。

1. 数据集特征
   • 多数研究仅使用历史数据集进行预测，但也有部分研究如Hsu等人、Selvi和Mishra、Nguyen等人考虑了独立变量来训练模型。
   • 常见的数据集特征是历史负荷数据，不过加入天气等独立变量可降低模型误差。
2. 数据集时间间隔与持续时间
   • 11篇文章中有5篇使用了1小时的数据间隔。
   • 当包含气象数据等独立变量时，2 - 5年的数据集持续时间是足够的。
3. 训练与测试集划分
   • 多数文章将训练集和测试集进行划分，且训练集的比例大于测试集，训练样本应至少占总体数据集的60%，测试数据集不应包含在训练样本中。
4. 评估指标
   • 大多数研究人员使用RMSE和MAPE作为评估指标，但由于数据集值未进行缩放，结果范围较大。

以下是部分文章的数据集特征和评估指标总结：
| 参考文献 | 历史电力负荷消耗 | 独立变量