文档名：基于并联时序卷积神经网络的电力负荷短期预测
摘要：电力负荷的短期预测可以合理地确定机组运行方式,安排日调度计划,提高计量精准度,对实现系统功率平衡和保障系统的安全经济运行具有重要意义.在利用神经网络进行负荷短期预测时,若训练数据不足,模型的学习能力会大大降低.同时,由于电力负荷数据存在小时周期、日周期、周周期、季节周期特性,常规神经网络训练模型无法反映负荷的不同周期特性,对预测结果的准确性也会造成一定的影响.为此,首先提出一种数据增强方法,有效解决电力负荷预测中训练数据不足的问题.其次,针对负荷的周期性特征,进一步提出使用不同周期特征的并联时序卷积神经网络模型的融合方案,有效反映负荷数据的多周期特征,从而提升电力负荷短期预测的准确度.通过对某地市不同电压等级线路负荷数据的建模和训练,验证所提方法在短期预测方面的有效性和优越性.
作者：张月 胡春光 赵罡Author：ZHANGYue HUChunguang ZHAOGang
作者单位：国网江苏省电力有限公司镇江供电分公司,江苏镇江212000
刊名：电力需求侧管理 ISTIC
Journal：PowerDemandSideManagement
年，卷(期)：2023, 25(6)
分类号：TM715TP183
关键词：电力负荷 短期预测 并联时序卷积 神经网络 训练模型 周期特征
Keywords：powerload short-termforecasting parallelse-quentialconcolutional neuralnetwork trainingmodel cyclechar-acteristics
机标分类号：TP391.41TM715TP183
在线出版日期：2023年11月28日
基金项目：国网江苏省电力有限公司科技项目基于并联时序卷积神经网络的电力负荷短期预测[
期刊论文] 电力需求侧管理--2023, 25(6)张月 胡春光 赵罡电力负荷的短期预测可以合理地确定机组运行方式,安排日调度计划,提高计量精准度,对实现系统功率平衡和保障系统的安全经济运行具有重要意义.在利用神经网络进行负荷短期预测时,若训练数据不足,模型的学习能力会大大降低...参考文献和引证文献
参考文献
引证文献
本文读者也读过
相似文献
相关博文
基于并联时序卷积神经网络的电力负荷短期预测 Short-term power load forecasting based on parallel sequential convolutional neural network
基于并联时序卷积神经网络的电力负荷短期预测.pdf
- 文件大小:
- 1.9 MB
- 下载次数:
- 60
-
高速下载
|
