基于深度学习分位数回归的电力负荷区间预测方法

常规的短期负荷预测方法得到的都是确定的负荷预测序列,事实上,电力系统包含着各种不确定因素,决策工作因而面临着一定的风险。针对这一问题,提出一种基于深度学习分位数回归的电力负荷区间预测方法,预测结果能使决策者认识到未来负荷的不确定性和风险性。首先,将输入数据划分成负荷特征部分和时间天气特征部分,分别传入卷积神经网络和反向传播神经网络训练,再拼接输出后传入全连接层构成深度学习模型;然后,将该模型与分位数回归结合起来,并行生成预测负荷的多个分位数结果;最后,利用某地实际负荷数据进行了仿真。仿真算例结果表明该方法不仅可以获得更高精度(平均绝对百分误差小于1%),甚至可获得某一置信水平下的负荷预测曲线的包络线。

我们是命运共同体,要一起去战斗

2020年的第一季度过去了,这是中国,甚至是全世界人们变成"口罩侠"的三个月。这三个月,我们深切地感受到,灾难来临的时候,我们,从来不是一个人,我们是"命运共同体"。即使你不曾到过武汉,但在杭州、温州、宁波……的我们都必须自律地待在家里,认识新冠病毒,勤洗手、多喝水,延迟开学,保护自己和家人。