高效准确的短期电力负荷预测对提升新型电力系统经济运行十分重要。针对极端天气场景下负荷预测数据量较少、随机性较强的特点,提出一种基于张量低秩补全算法的短期负荷预测模型,并选取极端高温场景展开研究。首先,给出极端天气定义,并...高效准确的短期电力负荷预测对提升新型电力系统经济运行十分重要。针对极端天气场景下负荷预测数据量较少、随机性较强的特点,提出一种基于张量低秩补全算法的短期负荷预测模型,并选取极端高温场景展开研究。首先,给出极端天气定义,并基于改进型炎热指数和气温两项指标进行数据筛选;其次,提出一种基于张量的负荷数据补全模型,补全缺失数据;然后,通过Pearson相关性分析筛选输入特征量,构建基于长短时记忆(long short term memory, LSTM)网络和粗糙集理论(rough set theory, RST)的LSTM-RST短期负荷预测模型;最后,以苏州某地实际负荷数据设置算例进行验证,仿真结果表明,所提短期负荷预测方法具有较高的准确性。展开更多
精准的电力负荷预测有利于保障电力系统的安全、经济运行。针对现行预测算法存在的预测准确度低、模型耗时长等问题,提出一种基于随机森林(random forest,RF)算法和粗糙集理论(rough set theory,RST)的改进型深度学习(deeplearning, DL...精准的电力负荷预测有利于保障电力系统的安全、经济运行。针对现行预测算法存在的预测准确度低、模型耗时长等问题,提出一种基于随机森林(random forest,RF)算法和粗糙集理论(rough set theory,RST)的改进型深度学习(deeplearning, DL)短期负荷预测模型(RF-DL-RST)。该模型首先基于历史数据,利用随机森林算法提取影响负荷预测的关键特征量;然后将关键特征量和历史负荷值作为深度神经网络的输入、输出项进行训练,并通过粗糙集理论修正预测结果。最后,通过算例进行仿真验证,结果表明,该模型的预测准确度比单一的深度学习模型及不进行预测修正的模型更高。展开更多
文摘高效准确的短期电力负荷预测对提升新型电力系统经济运行十分重要。针对极端天气场景下负荷预测数据量较少、随机性较强的特点,提出一种基于张量低秩补全算法的短期负荷预测模型,并选取极端高温场景展开研究。首先,给出极端天气定义,并基于改进型炎热指数和气温两项指标进行数据筛选;其次,提出一种基于张量的负荷数据补全模型,补全缺失数据;然后,通过Pearson相关性分析筛选输入特征量,构建基于长短时记忆(long short term memory, LSTM)网络和粗糙集理论(rough set theory, RST)的LSTM-RST短期负荷预测模型;最后,以苏州某地实际负荷数据设置算例进行验证,仿真结果表明,所提短期负荷预测方法具有较高的准确性。
文摘精准的电力负荷预测有利于保障电力系统的安全、经济运行。针对现行预测算法存在的预测准确度低、模型耗时长等问题,提出一种基于随机森林(random forest,RF)算法和粗糙集理论(rough set theory,RST)的改进型深度学习(deeplearning, DL)短期负荷预测模型(RF-DL-RST)。该模型首先基于历史数据,利用随机森林算法提取影响负荷预测的关键特征量;然后将关键特征量和历史负荷值作为深度神经网络的输入、输出项进行训练,并通过粗糙集理论修正预测结果。最后,通过算例进行仿真验证,结果表明,该模型的预测准确度比单一的深度学习模型及不进行预测修正的模型更高。
