-
题名计及异常场景数据缺失的负荷超短期预测
- 1
-
-
作者
李加文
孙永辉
王森
章子玮
王瑶
-
机构
河海大学人工智能与自动化学院
南京工程学院应用技术学院
-
出处
《电力系统自动化》
北大核心
2025年第15期133-143,共11页
-
基金
国家自然科学基金资助项目(62073121)。
-
文摘
受能源转型和极端天气频发等因素影响,包含特殊模式的异常场景对电力系统的稳定性影响日益严重。为此,文中提出一种计及异常场景数据缺失的负荷超短期预测方法。该方法首先通过基于局部差异和全局差异的多尺度框架提取异常场景,根据异常场景日期信息引入缺失值,并使用二元掩码矩阵控制缺失率,仿真异常场景数据缺失;然后,结合时序相关性,通过改进后的截断反距离权重(CIDW)插补方法自动识别缺失数据进行插补;最后,针对插补后数据,构建基于时域卷积网络(TCN)与标量长短期记忆(sLSTM)网络的模型进行特征提取和预测,并设置数据随机缺失场景下不同缺失率来验证模型泛化能力。通过不同场景和不同模型对比分析,验证了所提模型部分指标相较于对比模型均有所提升。
-
关键词
负荷预测
异常场景
数据缺失
插补
多尺度提取框架
特征提取
-
Keywords
load forecasting
anomalous scenario
missing data
imputation
multi-scale extraction framework
feature extraction
-
分类号
TM715
[电气工程—电力系统及自动化]
-
