-
题名基于奇异谱分析和双向LSTM的多元负荷同时预测
- 1
-
-
作者
刘永福
张天颖
霍殿阳
张立梅
-
机构
河北农业大学信息科学与技术学院
河北农业大学
-
出处
《科学技术与工程》
北大核心
2025年第19期8099-8107,共9页
-
基金
中国电力科学研究院项目(JLW51202100757)
河北省重点研发计划(203227307D)。
-
文摘
开展多元负荷的准确预测对提高新能源消纳、实现节能减排、确保电网安全可靠运行具有重要意义。为了提高多元负荷同时预测的精度,构建了奇异谱分析与双向长短期记忆网络相结合的多元负荷同时预测模型。首先,利用皮尔逊相关系数进行耦合特征提取,以识别多元负荷数据中的内在关联和依赖关系;其次,使用奇异谱分析进行特征提取,以便更全面地捕捉多元负荷数据的动态特性,降低预测难度。最后,针对所提模型引入多任务学习,利用多个负荷预测任务之间的共享信息,相互辅助进行预测,提升预测精度。实验分别通过多区域多元负荷和柔性负荷及风光发电数据进行仿真分析,结果表明,在多区域中电、热、冷负荷预测平均绝对百分比误差平均提高0.41%,均方根误差平均提高0.02 MW。
-
关键词
多元负荷同时预测
奇异谱分析
双向长短期记忆网络
多任务学习模型
皮尔逊相关系数
-
Keywords
multiple load forecasting
singular spectrum analysis
bidirectional long short-term memory network
multi-task learning model
pearson correlation coefficient
-
分类号
TM714
[电气工程—电力系统及自动化]
-
