-
题名考虑数据分布偏移的短期居民净负荷预测方法
- 1
-
-
作者
王瑞临
赵健
孙智卿
宣羿
-
机构
上海电力大学电气工程学院
国网浙江省电力有限公司杭州供电公司
-
出处
《电力建设》
CSCD
北大核心
2024年第2期90-101,共12页
-
基金
国家自然科学基金项目(51907114)。
-
文摘
新能源发电的高不确定性导致净负荷的数据分布偏移更加严重。数据分布偏移导致模型在历史数据中学习到的特征信息不再完全适用于未来数据,从而给净负荷预测(net load forecasting,NLF)带来了挑战。因此,考虑到净负荷中更严重的数据分布偏移问题,提出了一种基于不变风险最小化-不确定性加权-长短期记忆神经网络(long short-term memory neural network,LSTM)的短期居民净负荷预测方法,以提升净负荷预测精度。首先,通过不变风险最小化(invariant risk minimization,IRM)建立了一个双目标问题,包括准确预测和学习跨不同数据分布的不变特征。其次,通过长短期记忆神经网络(long short-term memory neural network,LSTM)处理时间序列数据的非线性特征。然后,通过基于不确定性加权(uncertainty weighting,UW)的目标平衡机制避免过度实现任一目标。此外,通过引入分位数回归将所提方法扩展到概率预测。最后,通过基于澳大利亚Ausgrid公司提供的真实居民电表数据从确定性预测结果、概率预测结果、不同数据分布偏移程度和不同光伏渗透率等多个维度验证了所提方法的有效性。
-
关键词
短期居民净负荷预测
数据分布偏移
不变风险最小化
长短期记忆神经网络
不确定性加权
-
Keywords
short-term residential net load forecasting
data distribution shift
invariant risk minimization
long shortterm memory neural network
uncertainty weighting
-
分类号
TM714
[电气工程—电力系统及自动化]
-