基于深度神经网络与权值共享的工业园区负荷预测

电力体制市场化的有序推进对工业园区负荷预测提出了新的要求。文章提出了基于深度学习与权值共享机理的负荷预测方法。在预测模型中,将深度神经网络设置为训练中的有监督学习方法,权值共享模式分析了多个目标之间的相关性,并使用各个目标的负荷变化率对相关度最高的任务聚合。算例中使用天津某高新区数据对算法有效性进行了验证,结果显示该算法有效提高了工业园区负荷预测的精度,有着较高的应用价值。

面向园区典型用户电负荷预测的新方法

传统电力负荷预测法主要依据专家经验和现状年负荷值来预测未来年负荷,该方法具有一定的局限性。为合理预测园区负荷实际情况,采用了新的电负荷预测方法,即综合考虑典型用户性质、四季差异、作息时间等多种影响因素,通过研究园区全年负荷密度预测曲线的调整方法,并结合上海市典型用户实际负荷数据对模型进行了验证,为适应多应用场景的园区综合能源供应系统优化配置研究奠定基础。