【摘 要】
：
高精度的短期电力负荷预测可以保证电力系统调度决策的准确性、缓解电力供需矛盾、保障电力系统运行的安全。由于短期电力负荷预测受气象、历史信息等因素影响且具有很强不确定性，因此对短期负荷预测进行精准的预测较为困难。为实现对日前电力负荷进行概率密度预测，提出一种基于引入注意力机制的卷积双向长短期记忆分位数回归网络（Convolutional bidirectional long short-term me
【基金项目】
：
中央高校基本科研业务费专项资金（2021MS089）；
论文部分内容阅读
高精度的短期电力负荷预测可以保证电力系统调度决策的准确性、缓解电力供需矛盾、保障电力系统运行的安全。由于短期电力负荷预测受气象、历史信息等因素影响且具有很强不确定性，因此对短期负荷预测进行精准的预测较为困难。为实现对日前电力负荷进行概率密度预测，提出一种基于引入注意力机制的卷积双向长短期记忆分位数回归网络（Convolutional bidirectional long short-term memory network with attention for quantile regression,QR-CBA）特征解耦框架。首先，将输入特征分为4个分支并通过解耦神经网络对其进行训练，以有效提高神经网络的计算效率和预测精度；然后，采用核密度估计（Kernel density estimation,KDE）方法作为后处理技术将预测结果生成为概率密度曲线，以有效量化预测的不确定性。以某公开负荷数据集作为实例进行验证，结果表明，所提方法的日前点预测精度达到了96.884%，与对比预测模型相比精度明显提高，区间预测的连续排名概率得分（Continuousrankedprobability score,CRPS）与对比预测模型相比明显降低。以上对比实验结果说明所提预测方法具有更高的预测精度和确定性。
其他文献
本文针对已有神经网络模型在短期负荷预测中输入维度过高、预测误差较大问题,提出了一种结合核主成分分析、卷积神经网络和深度双向门控循环单元的短期负荷预测方法。先运用核主成分分析法对原始高维输入变量进行降维,再通过卷积深度双向门控循环单元网络模型进行负荷预测。以第九届全国电工数学建模竞赛试题A题中的负荷数据作为实际算例,结果表明所提方法较降维之前预测误差大大降低,与已有预测方法相比也有大幅的误差降低。
面向综合能源系统中多元负荷和可再生能源出力以及天气因素之间复杂耦合关系的挖掘需求，提出了一种基于改进时空图卷积网络的综合能源系统超短期联合预测方法。首先，将综合能源系统中的多元负荷、可再生能源出力、天气因素均映射为图结构数据形式，采用最大信息系数计算各输入变量间的相关性，将其作为节点相连边的加权值构造邻接矩阵；其次，在对时空图卷积运算改进的基础上简化了模型的参数结构；最后，建立基于Seq2Seq架
[目的]随着风能、太阳能等清洁能源快速发展，电力系统的能源结构发生了重大变化，这使得电网安全运行的不确定性增大，也给精准用电量预测带来了新的挑战。电网用电量受众多因子的影响，而气象因子的影响显著，因此，分析气象因子对用电量精细化预测的影响显得尤为重要。[方法]利用2017年逐日用电量以及最高气温、平均气温、最低气温、气压、相对湿度、风速等气象数据，采用集合模态经验分解（EEMD）和BP神经网络组合
负荷预测作为电力系统规划的重要环节，对于确保电网稳定运行、实现电力供需平衡等方面具有十分重要的作用。本文提出了一种基于改进AlexNet-GRU深度学习网络的配电网短期负荷预测方法。通过聚类将日负荷曲线分为不同日类型；然后根据聚类结果，建立基于改进AlexNetGRU深度学习网络的配电网短期负荷预测模型，并与传统的负荷预测方法进行对比。对某地区2013年的负荷进行预测结果表明，本文所提方法可以有效
短期电力负荷的准确预测是电力系统安全经济运行的重要条件。为了提高电力系统短期负荷预测的准确性，提出一种基于关键特征优化的电力系统短期负荷预测方法。首先，对影响电力系统短期负荷的气象特征、日类型特征和历史负荷特征的构建方法进行优化，为负荷预测模型提供更多先验知识；然后，考虑输入特征和输出预测向量的特点，构建结合卷积神经网络与全连接层的短期电力负荷预测模型；最后，通过算例验证基于关键特征优化的电力系统
为提升电力负荷预测精度，提出基于数据挖掘的短期电力负荷预测方法。基于数据挖掘技术选取相似日，并提取电力负荷数据，对相似日负荷数据进行预处理后，作为训练样本输入SVM模型中，经过模型训练完成短期电力负荷预测。实验结果表明，设计方法的预测值平均误差为3.08%。
为了构建准确的电动汽车充电负荷模型，本文提出一种考虑出行路径决策的充电负荷时空预测方法。首先，采用拉丁超立方采样抽取用户的起始出行时刻和起始荷电状态。其次，考虑用户的不确定性充电需求，利用模糊综合评价法以剩余荷电状态、停驶时长以及充电时长3种评价指标构建用户的充电行为模型。最后，考虑道路交通状况对用户出行路径的影响，根据Logit模型构建路阻函数模型，利用动态Floyd算法获取用户的出行路径，通过
为指导电力系统稳定安全运行，提出一种基于条件生成对抗网络（CGAN）曲线生成的短期负荷概率预测方法。首先，以日期、温度、历史负荷等特征为输入，构建基于双向长短期记忆神经网络的日负荷关键值自适应集成预测模型。其次，采用最大信息系数方法为负荷特征赋权，基于加权K最近邻算法、加权重采样构建相似曲线数据集。然后，以负荷关键值和相似曲线数据集作为条件和训练集，构建基于CGAN的负荷曲线生成模型，提出数值偏差
以地铁通风空调系统为例，分析了基于BP神经网络模型的负荷预测模型在节能方案中的实施要点，通过收集、筛选与整理历史数据，加强预处理数据，结合实际建模，实施BP神经网络模型优化，预测了地铁通风空调系统的负荷。结论表明，建筑工程节能施工方案应以节能需求为导向，本项目的运行空调通风性能达到了预期目标。
准确预测台区的电力负荷，能够促使电力企业合理安排调度计划，保障台区电力安全和经济稳定运行。为了充分挖掘电力负荷数据的特征，提高预测的精度，提出了一种基于自适应辛几何模态分解（adaptivesymplectic geometry mode decomposition, ASGMD）、多元线性回归（multiplelinearregression,MLR）和卷积长短时记忆（convolutional