-
题名基于多源异构数据融合的短期电力负荷预测
被引量:1
- 1
-
-
作者
宋晓华
汪鹏
牛东晓
-
机构
华北电力大学经济与管理学院
新能源电力与低碳发展研究北京市重点实验室(华北电力大学)
-
出处
《计算机仿真》
北大核心
2023年第9期59-65,共7页
-
基金
国家重点研发计划项目资助项目(2020YFB1707801)
国家自然科学基金资助项目(72074074)。
-
文摘
为解决多源异构数据集成的难题,设计包含数据集成、数据空间、数据演化、数据输出四个组件的短期电力负荷预测数据空间框架。为了建立多源异构数据与短期电力负荷的复杂变化因果关系,提出一种基于Gabor-LSTM-XGboost两阶段预测模型。第一阶段,构建基于Gabor云图特征提取及编码模型,将非结构化云图进行幅值特征级增强并进行编码融合。第二阶段,建立LSTM-XGBoost预测模型,将综合气象数据、历史负荷数据、日类型数据进行拼接后形成的长序列作为预测模型的输入,引入XGBoost增加正则化,进一步提高模型的鲁棒性。算例结果表明,所提出的模型能够较好地挖掘云图气象数据,有效提升短期电力负荷预测精度,特别是突变天气下的负荷预测精度。
-
关键词
数据空间
负荷预测
异构气象因素
过滤器
长短期记忆神经网络
极限梯度提升
-
Keywords
Data space
Load forecasting
Heterogeneous meteorological factors
Filters
Long short-term memory neural network
eXtreme gradient boost
-
分类号
TM743
[电气工程—电力系统及自动化]
TP391.9
[自动化与计算机技术—计算机应用技术]
-