周期规律增强的多视角短期电力负荷预测

作     者：苏伟 肖小龙 史明明 方鑫 司鑫尧 SU Wei;XIAO Xiaolong;SHI Mingming;FANG Xin;SI Xinyao

作者机构：国网江苏省电力有限公司电力科学研究院南京210000 

出 版 物：《北京航空航天大学学报》 (Journal of Beijing University of Aeronautics and Astronautics)

年 卷 期：2024年第50卷第2期

页      面：477-486页

核心收录：

学科分类：081203[工学-计算机应用技术] 08[工学] 0835[工学-软件工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：国网江苏省电力有限公司科技项目(J2021165) 

主　　题：周期规律增强 短期负荷预测 特征压缩与激励 门控循环单元 注意力神经网络 

摘      要：短期电力负荷预测对电力系统的可靠运行具有重要意义。现有方法存在如下问题:缺乏对特征之间依赖关系的挖掘;忽略了电力负荷变化的周期性规律。为此,提出一种周期规律增强的多视角短期电力负荷预测网络(EPISODE)方法。EPISODE方法主要包括2个核心组件:多视角特征学习组件和周期规律增强的电力负荷预测组件。前者旨在有效提取电力负荷数据中的静态特征与时序特征,以得到增强的特征表示;后者则是对电力负荷数据进行一般性时序挖掘和周期性时序挖掘,从而得到全面的电力负荷历史数据表征。基于后期融合的方式,实现短期电力负荷预测。在真实公开的电力负荷预测数据集上进行了大量实验。实验结果证明了所提方法相比现有基准方法的先进性。