考虑多维时域特征的行业中长期负荷预测方法

作     者：张昆明 蔡珊珊 章天晗 潘一洲 王思睿 林振智 ZHANG Kunming;CAI Shanshan;ZHANG Tianhan;PAN Yizhou;WANG Sirui;LIN Zhenzhi

作者机构：浙江大学电气工程学院浙江省杭州市310027 国网浙江杭州市余杭区供电有限公司浙江省杭州市311100 浙江华云信息科技有限公司浙江省杭州市310012 

出 版 物：《电力系统自动化》 (Automation of Electric Power Systems)

年 卷 期：2023年第47卷第20期

页      面：104-114页

核心收录：

学科分类：080802[工学-电力系统及其自动化] 0808[工学-电气工程] 08[工学] 

基　　金：国家自然科学基金委员会-国家电网公司智能电网联合基金资助项目(U2166206) 

主　　题：负荷预测 电力系统 门控循环单元 卷积神经网络 核密度估计 

摘      要：中长期负荷预测是电力系统规划与设计的重要依据,准确的行业中长期负荷预测能为电网布局规划、检修计划制定等提供决策支撑。在此背景下,针对行业中长期负荷隐含的多维时域特征,提出一种基于分解和预测思想的行业中长期负荷预测方法。首先,构建了基于周期趋势分解算法的行业中长期负荷特征分解模型,以得到分别表征行业负荷变化趋势性、周期性以及随机性特征的趋势分量、周期分量及残差分量;接着,针对分解得到的各维度分量,分别构建了基于门控循环单元的行业负荷全局趋势特征提取与预测模型、基于卷积神经网络的负荷周期局部特征提取模型,以及基于改进自适应高斯核密度估计的负荷残差概率密度预测模型,由此形成考虑多维时域特征的行业中长期负荷预测方法。最后,以中国某市化工行业负荷数据为例,验证了所提预测方法的有效性。