基于数字孪生与多模型融合的多元负荷短期预测

作     者：冯佳威 王海鑫 杨子豪 陈哲 李云路 杨俊友 

作者机构：沈阳工业大学电气工程学院 丹麦奥尔堡大学能源技术系 

出 版 物：《太阳能学报》 (Acta Energiae Solaris Sinica)

年 卷 期：2024年第10期

页      面：97-106页

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：国家重点研发计划(2017YFB0902100) 高等学校学科创新引智计划(D23005) 

主　　题：数字孪生 负荷预测 自适应滤波 新型电力系统 核极限学习机 双向长短期记忆网络 

摘      要：针对多元负荷呈波动性和非线性特性导致预测模型稳定性差和精确度低等问题，提出一种基于数字孪生与多模型融合的多元负荷短期预测方法。首先，根据数字孪生体中气象和负荷信息，利用最大信息系数（MIC）分析多源数据信息间的耦合特性，基于数据时序性和周期性构建筛选信息特征。其次，采用自适应局部迭代滤波（ALIF）将历史多元负荷数据进行分解，得到不同频率下固有模态函数（IMF）分量。然后，采用核极限学习机（KELM）和双向长短期记忆网络（BiLSTM）预测高频和低频负荷分量，融合重构得到初始负荷短期预测结果。最后，利用数字孪生体补偿初始预测结果，得到最终负荷预测结果。仿真结果表明，与单预测模型及未基于数字孪生预测模型相比，所提方法具有更好的稳定性，能有效应对负荷波动变化和非线性，提升模型预测精度。