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
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。
