面向新型电力系统的多决策单元短期负荷统一预测

短期负荷精准预测,是保证新型电力系统安全稳定运行的关键技术之一.然而,居民负荷预测面临着用户量巨大、负荷高异质性、高波动性和高随机性的难点,随着用户类型和数据的增加,会导致模型复杂度大幅上升,难以满足新型电力系统中负荷预测的要求.为此,本文构建了基于预测导向自编码器的结构化长短时神经网络模型,通过单一模型实现对所有类型用户短期负荷的精准预测.与同类模型相比,本文提出的13种组合模型预测精度提高7.16%~11.59%,同时对非电力领域的高异质性主体复杂高频时间序列的统一预测也有一定的借鉴意义....

Full description

Saved in:
Bibliographic Details
Published in计量经济学报 Vol. 2; no. 1; pp. 106 - 125
Main Authors 王兆华, 李通, 王博, 张斌, 赵文辉
Format Journal Article
LanguageChinese
Published 中国科学院数学与系统科学研究院 01.01.2022
中国科技出版传媒股份有限公司
北京理工大学管理与经济学院,北京100081
北京理工大学可持续发展与智能决策研究中心,北京100081
Subjects
全局预测
居民电力消费行为
短期负荷精准预测
深度学习
deep learning
global forecasting
accurate short-term load fore-casting
residents' electricity consumption behavior
Online AccessGet full text
ISSN2096-9732
DOI10.12012/CJoE2021-0082

Cover

More Information
Summary:短期负荷精准预测,是保证新型电力系统安全稳定运行的关键技术之一.然而,居民负荷预测面临着用户量巨大、负荷高异质性、高波动性和高随机性的难点,随着用户类型和数据的增加,会导致模型复杂度大幅上升,难以满足新型电力系统中负荷预测的要求.为此,本文构建了基于预测导向自编码器的结构化长短时神经网络模型,通过单一模型实现对所有类型用户短期负荷的精准预测.与同类模型相比,本文提出的13种组合模型预测精度提高7.16%~11.59%,同时对非电力领域的高异质性主体复杂高频时间序列的统一预测也有一定的借鉴意义.
ISSN:2096-9732
DOI:10.12012/CJoE2021-0082