检索结果-南通市图书馆

数据与计算发展前沿 2023年第3期5卷 160-168页

作者：周文涛魏光涛王泽黎张晓晨任立志国网北京朝阳供电公司北京100124

[目的]为了度量夜经济中用户级短期负荷的不确定性,基于LightGBM(Light Gradient Boosting Machine)和KDE(Kernel Density Estimation)方法,本文设计了一种夜经济用户级短期负荷概率预测模型框架和预测方法。[方法]首先,利用LightGBM对... 详细信息

[目的]为了度量夜经济中用户级短期负荷的不确定性,基于LightGBM(Light Gradient Boosting Machine)和KDE(Kernel Density Estimation)方法,本文设计了一种夜经济用户级短期负荷概率预测模型框架和预测方法。[方法]首先,利用LightGBM对待预测用户的历史负荷与影响因素(如天气、日类型等)进行建模。然后,使用该模型预测用户的未来短期负荷,并将LightGBM模型所包含的树的输出作为概率预测的输入,利用核密度估计方法计算该用户未来短期负荷的概率密度及预测区间。[结论]最后利用北方某城市的多个夜经济用户真实负荷数据进行了实验验证,实验结果表明本方法预测结果准确,鲁棒性高,且对夜经济多类用户均适用。

关键词：用户级负荷预测负荷概率预测 LightGBM 梯度提升决策树核密度估计

来源：

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

基于图卷积神经网络与K-means聚类的居民用户集群短期负荷预测

引用

电网技术 2023年第10期47卷 4291-4301页

作者：董雷陈振平韩富佳王晓辉蒲天骄新能源电力系统全国重点实验室(华北电力大学) 北京市昌平区102206 中国电力科学研究院有限公司北京市海淀区100192

随着智能电表等高级量测装置在用户侧的广泛部署与使用,海量多源异构的居民用户数据得以采集与存储,为用户级负荷预测提供良好的数据基础。精准的居民用户集群负荷预测是促进智能配电网需求侧管理、辅助电网公司实现削峰填谷的重要基础... 详细信息

随着智能电表等高级量测装置在用户侧的广泛部署与使用,海量多源异构的居民用户数据得以采集与存储,为用户级负荷预测提供良好的数据基础。精准的居民用户集群负荷预测是促进智能配电网需求侧管理、辅助电网公司实现削峰填谷的重要基础。然而,现有的用户级负荷预测方法大多利用历史负荷序列的时间相关性构建数据驱动模型,却忽视相邻用户用电行为之间存在的潜在空间相关性。因此,提出一种基于K-means聚类和自适应时空同步图卷积神经网络的居民用户集群负荷预测方法。首先,采用K-means聚类将居民用户集群按照用电行为相似性划分成不同组;然后,基于居民用户集群的分组数量、各组居民用户的历史负荷数据以及各组居民用户负荷序列之间的相关性,构建面向居民用户集群负荷预测的时空图数据;最后,使用自适应时空同步图卷积神经网络实现居民用户集群短期负荷预测。文章通过真实的爱尔兰居民用户负荷公开数据集测试并验证所提方法的准确性和有效性,实验结果表明,相较于各个基准预测方法,所提方法能够充分挖掘并利用不同居民用户用电负荷之间的时空相关性,进而提高居民用户集群负荷预测精度。

关键词：智能配电网用户级负荷预测居民用户集群图数据时空同步图卷积神经网络

来源：

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

基于ASTSGCN的居民用户集群短期负荷预测

基于ASTSGCN的居民用户集群短期负荷预测

引用

作者：陈振平华北电力大学(北京)

学位级别：硕士

随着智能电表等高级量测装置在用户侧的广泛部署与使用,海量多源异构的居民用户数据得以采集与存储,为用户级负荷预测提供了良好的数据基础。精准的居民用户集群负荷预测是促进智能配电网需求侧管理、辅助电网公司实现削峰填谷的重要基... 详细信息

随着智能电表等高级量测装置在用户侧的广泛部署与使用,海量多源异构的居民用户数据得以采集与存储,为用户级负荷预测提供了良好的数据基础。精准的居民用户集群负荷预测是促进智能配电网需求侧管理、辅助电网公司实现削峰填谷的重要基础。本文面向居民用户集群的短期负荷预测方法进行研究,主要内容如下:(1)针对现有的用户级负荷预测方法大多利用历史负荷序列的时间相关性构建数据驱动模型,却忽视了相邻用户用电行为之间存在的潜在空间相关性的问题,本文提出了一种基于K-means聚类和自适应时空同步图卷积神经网络的居民用户集群超短期负荷预测方法。首先,采用K-means聚类将居民用户集群按照用电行为相似性划分成不同组;然后,基于居民用户集群的分组数量、各组居民用户的历史负荷数据以及各组居民用户负荷序列之间的相关性,构建面向居民用户集群负荷预测的时空图数据;最后,使用自适应时空同步图卷积神经网络实现居民用户集群短期负荷预测。(2)针对自适应时空同步图卷积神经网络在负荷预测过程中无法融合气象等因素对短期负荷预测的影响这一问题,本文对自适应时空同步图卷积神经网络进行了模型改进,提出了一种新的条件自适应时空同步图卷积神经网络,从而得到一种基于K-means聚类和条件自适应时空同步图卷积神经网络的居民用户集群日前短期负荷预测方法。首先,采用上述方式构建面向居民用户集群负荷预测的时空图数据,然后在图结构的基础上构建气象等因素的时空图数据,最后使用条件自适应时空同步图卷积神经网络实现居民用户集群日前短期负荷预测。本文通过真实的数据集测试并验证了所提预测方法的准确性和有效性,实验结果表明,所提的用户分组、图数据构建及改进方法具有较高的有效性,并且相较于各个基准预测方法,本文所提方法能够充分挖掘并利用不同居民用户用电负荷之间的时空相关性,对预测模型的改进能够挖掘气象等因素与负荷预测的复杂关联,从而进一步提升了居民用户集群短期负荷预测的精度。

关键词：智能配电网用户级负荷预测居民用户集群聚类时空同步图卷积神经网络

来源：

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

欢迎您,

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

在线全文

请选择保存的检索档案：

请选择收藏分类：

通借通还

欢迎您,

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

在线全文

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：