Identification Method of Dominant Influencing Factors for Power and Energy Balance Based on Time-Series Dimensionality Reduction

JIANG Dianfeng; YAO Yingbei; TAN Zhenfei; YAN Zheng

doi:10.12204/j.issn.1000-7229.2026.10.003

English Version Journal Login

您当前的位置：

首页 >

文章列表页 >

Identification Method of Dominant Influencing Factors for Power and Energy Balance Based on Time-Series Dimensionality Reduction

Planning & Construction | 更新时间：2026-09-30

- Identification Method of Dominant Influencing Factors for Power and Energy Balance Based on Time-Series Dimensionality Reduction
- Electric Power Construction Vol. 47, Issue 10, Pages: 30-44(2026)
- 作者机构：
  
  1.上海交通大学电气工程学院，上海市 200240
  2.国家电网有限公司华东分部，上海市 200120
- 作者简介：
- 基金信息：
  
  National Natural Science Foundation of China(52577120;U24B6009);the Science and Technology Project of East China Branch of State Grid Corporation of China(SGHD0000GHJS2500090)
- DOI：10.12204/j.issn.1000-7229.2026.10.003
  CLC： TM73
- Received：15 April 2026，
  
  Revised：2026-06-16，
  
  Published：01 October 2026
- 稿件说明：
移动端阅览
姜店丰,姚颖蓓,谭振飞等.基于时序降维的电力电量平衡主导影响因素辨识方法[J].电力建设,2026,47(10):30-44.

JIANG Dianfeng,YAO Yingbei,TAN Zhenfei,et al.Identification Method of Dominant Influencing Factors for Power and Energy Balance Based on Time-Series Dimensionality Reduction[J].Electric Power Construction,2026,47(10):30-44.
姜店丰,姚颖蓓,谭振飞等.基于时序降维的电力电量平衡主导影响因素辨识方法[J].电力建设,2026,47(10):30-44. DOI： 10.12204/j.issn.1000-7229.2026.10.003.

JIANG Dianfeng,YAO Yingbei,TAN Zhenfei,et al.Identification Method of Dominant Influencing Factors for Power and Energy Balance Based on Time-Series Dimensionality Reduction[J].Electric Power Construction,2026,47(10):30-44. DOI： 10.12204/j.issn.1000-7229.2026.10.003.

摘要

目的

随着波动性新能源渗透率持续提升，新型电力系统平衡方式呈现概率化特征，传统基于固定场景的电力电量平衡分析已无法适应。亟需精准辨识影响平衡结论的关键源荷特征，提升平衡场景对真实源荷波动的代表性。为此，本文提出一种基于时序降维的电力电量平衡主导影响因素辨识方法。

方法

首先，定义源荷时序特征实现平衡场景的降维分析，解决源荷时序曲线分析维度高、时序关联强的问题。其次，结合Nataf变换与数据驱动模型，表征源荷时序特征对电力电量平衡指标的多元耦合映射关系。然后，提出基于全局灵敏度分析的电力电量平衡主导影响因素辨识方法。最后，基于省级电网源荷数据开展算例分析。

结果

相较于主成分分析场景聚合，所提方法在Kolmogorov-Smirnov距离度量下的计算误差降低了27.33%，验证了所提方法的有效性。

结论

所提方法量化了源荷时序特征对电力电量平衡指标的影响程度，提升了典型平衡场景对源荷波动的代表性，为新能源电力系统的平衡分析提供了理论与技术支撑。

Abstract

Objective

With the continuously increasing penetration of volatile renewable energy， the balance mode of the new-type power system exhibits probabilistic characteristics， rendering the traditional fixed-scenario-based power and energy balance analysis inadequate. To improve the representativeness of balance scenarios for actual source-load fluctuations， it is essential to accurately identify the key source-load features that dominate balance conclusions. To this end， this paper proposes a method for identifying the dominant influencing factors of power and energy balance based on time-series dimensionality reduction.

Methods

First， source-load time-series features are defined to implement dimensionality reduction of balance scenarios， addressing the high dimensionality and strong temporal correlation of source-load time-series curves. Then， the multivariate coupling mapping relationship between source-load time-series features and power and energy balance indices is characterized using a data-driven model combined with the Nataf transformation. Next， a global-sensitivity-analysis-based method is proposed to identify the dominant influencing factors of power and energy balance. Finally， a case study is conducted using source-load data of a provincial power grid.

Results

Compared with principal component analysis-based scenario aggregation， the proposed method reduces the calculation error by 27.33% under the Kolmogorov-Smirnov distance metric， which verifies the effectiveness of the proposed method.

Conclusions

The proposed method quantifies the influence of source-load time-series features on power and energy balance indices and enhances the representativeness of typical balance scenarios for source-load fluctuations， thereby providing theoretical and technical support for the balance analysis of renewable energy systems.

关键词

Keywords

references

舒印彪，陈国平，贺静波，等 . 构建以新能源为主体的新型电力系统框架研究［J］. 中国工程科学， 2021 ， 23 （ 6 ）： 61 - 69 .

Shu Yinbiao ， Chen Guoping ， He Jingbo ， et al . Building a new electric power system based on new energy sources ［J］. Strategic Study of CAE ， 2021 ， 23 （ 6 ）： 61 - 69 .

陈景文，单茜，刘耀先，等 . 面向电力市场的用户侧电力电量预测综述［J］. 电网与清洁能源， 2024 ， 40 （ 2 ）： 10 - 20 .

Chen Jingwen ， Shan Xi ， Liu Yaoxian ， et al . A review of user-side power and energy forecasting for electricity market ［J］. Power System and Clean Energy ， 2024 ， 40 （ 2 ）： 10 - 20 .

刘映尚，马骞，王子强，等 . 新型电力系统电力电量平衡调度问题的思考［J］. 中国电机工程学报， 2023 ， 43 （ 5 ）： 1694 - 1705 .

Liu Yingshang ， Ma Qian ， Wang Ziqiang ， et al . Cogitation on power and electricity balance dispatching in new power system ［J］. Proceedings of the CSEE ， 2023 ， 43 （ 5 ）： 1694 - 1705 .

陈典，陆润钊，张松涛，等 . 新型电力系统电力电量平衡计算分析技术综述［J］. 电网技术， 2023 ， 47 （ 10 ）： 3952 - 3970 .

Chen Dian ， Lu Runzhao ， Zhang Songtao ， et al . Review of new power system power balance calculation and analysis techniques ［J］. Power System Technology ， 2023 ， 47 （ 10 ）： 3952 - 3970 .

李程昊，张佳伟，姚德贵，等 . 含复杂电源结构省级电力系统电力电量平衡方法［J］. 高电压技术， 2024 ， 50 （ 3 ）： 1100 - 1110 .

Li Chenghao ， Zhang Jiawei ， Yao Degui ， et al . Power balance method of provincial power system with complex generation structure ［J］. High Voltage Engineering ， 2024 ， 50 （ 3 ）： 1100 - 1110 .

黄河，王建学，肖云鹏，等 . 新型电力系统电力电量平衡分析关键技术与研究框架［J］. 电力建设， 2024 ， 45 （ 9 ）： 1 - 12 .

Huang He ， Wang Jianxue ， Xiao Yunpeng ， et al . Key technologies and research framework for the power and energy balance analysis in new-type power systems ［J］. Electric Power Construction ， 2024 ， 45 （ 9 ）： 1 - 12 .

张智刚，康重庆 . 碳中和目标下构建新型电力系统的挑战与展望［J］. 中国电机工程学报， 2022 ， 42 （ 8 ）： 2806 - 2819 .

Zhang Zhigang ， Kang Chongqing . Challenges and prospects for constructing the new-type power system towards a carbon neutrality future ［J］. Proceedings of the CSEE ， 2022 ， 42 （ 8 ）： 2806 - 2819 .

魏利屾，艾小猛，方家琨，等 . 面向新型电力系统的时序生产模拟应用与求解技术综述［J］. 电力系统自动化， 2024 ， 48 （ 6 ）： 170 - 184 .

Wei Lishen ， Ai Xiaomeng ， Fang Jiakun ， et al . Review on applications and solving techniques of time-series production simulation for new power system ［J］. Automation of Electric Power Systems ， 2024 ， 48 （ 6 ）： 170 - 184 .

金昱烨，方家琨，艾小猛，等 . 含季节性氢储能的电力系统跨尺度全年时序生产模拟方法［J］. 电力系统自动化， 2025 ， 49 （ 14 ）： 120 - 129 .

Jin Yuye ， Fang Jiakun ， Ai Xiaomeng ， et al . Cross-time-scale annual chronological production simulation method for power system with seasonal hydrogen energy storage ［J］. Automation of Electric Power Systems ， 2025 ， 49 （ 14 ）： 120 - 129 .

赵琮皓，周俊，李健，等 . 计及源-网-荷-储灵活调节资源的新能源合理利用率评估方法［J］. 电网技术， 2025 ， 49 （ 11 ）： 4466 - 4476 .

Zhao Conghao ， Zhou Jun ， Li Jian ， et al . Evaluation method for rational utilization rate of renewable energy considering flexible adjustment of source-network-load-storage ［J］. Power System Technology ， 2025 ， 49 （ 11 ）： 4466 - 4476 .

Wang S R . The time-series production simulation in cost management of new energy grid connection under the Internet of Things ［J］. IEEE Access ， 2024 ， 12 ： 32369 - 32380 .

邵成成，冯陈佳，王雅楠，等 . 含大规模清洁能源电力系统的多时间尺度生产模拟［J］. 中国电机工程学报， 2020 ， 40 （ 19 ）： 6103 - 6112 .

Shao Chengcheng ， Feng Chenjia ， Wang Yanan ， et al . Multiple time-scale production simulation of power system with large-scale renewable energy ［J］. Proceedings of the CSEE ， 2020 ， 40 （ 19 ）： 6103 - 6112 .

丁坤，陈博洋，秦建茹，等 . 大规模新能源集群接入弱电网的消纳能力评估方法［J］. 电力建设， 2023 ， 44 （ 11 ）： 86 - 94 .

Ding Kun ， Chen Boyang ， Qin Jianru ， et al . Evaluation method of consumption ability of new large scale energy clusters connected to weak grids ［J］. Electric Power Construction ， 2023 ， 44 （ 11 ）： 86 - 94 .

黄越辉，卢慧，李建华，等 . 新能源极端出力特性及典型电力电量平衡场景研究［J］. 电网与清洁能源， 2024 ， 40 （ 2 ）： 1 - 9 .

Huang Yuehui ， Lu Hui ， Li Jianhua ， et al . A study on the characteristics of renewable energy extreme output and typical power and energy balancing scenarios for new type power systems ［J］. Power System and Clean Energy ， 2024 ， 40 （ 2 ）： 1 - 9 .

黄程浩，邢海军，郑真，等 . 面向配电网韧性提升的光储充一体化电站优化配置方法［J］. 浙江电力， 2026 ， 45 （ 2 ）： 103 - 116 .

Huang Chenghao ， Xing Haijun ， Zheng Zhen ， et al . An optimal configuration method for integrated PV-storage-charging stations to enhance distribution network resilience ［J］. Zhejiang Electric Power ， 2026 ， 45 （ 2 ）： 103 - 116 .

彭竹弈，宋杉，许偲轩，等 . 基于时序运行模拟的新能源电力系统典型场景生成方法［J］. 浙江电力， 2025 ， 44 （ 5 ）： 66 - 75 .

Peng Zhuyi ， Song Shan ， Xu Sixuan ， et al . A typical scenario generation method for renewable energy power systems based on time-sequenced operational simulations ［J］. Zhejiang Electric Power ， 2025 ， 44 （ 5 ）： 66 - 75 .

艾欣，杨子豪，胡寰宇，等 . 基于改进k-means算法的VPP负荷曲线聚类方法及应用［J］. 电力建设， 2020 ， 41 （ 5 ）： 28 - 36 .

Ai Xin ， Yang Zihao ， Hu Huanyu ， et al . A load curve clustering method based on improved k-means algorithm for virtual power plant and its application ［J］. Electric Power Construction ， 2020 ， 41 （ 5 ）： 28 - 36 .

邹金，卢斯煜，卓映君，等 . 基于多场景时序运行模拟的电力电量平衡评估方法［J］. 电力系统自动化， 2025 ， 49 （ 23 ）： 139 - 148 .

Zou Jin ， Lu Siyu ， Zhuo Yingjun ， et al . Evaluation method of electric power and energy balance based on multi-scenario time-series operation simulation ［J］. Automation of Electric Power Systems ， 2025 ， 49 （ 23 ）： 139 - 148 .

李宛洳，郭瑾程，王建学，等 . 新型电力系统电力电量平衡概率性分析实用方法研究［J］. 电力建设， 2025 ， 46 （ 9 ）： 1 - 12 .

Li Wanru ， Guo Jincheng ， Wang Jianxue ， et al . A practical method for probabilistic analysis of electric power and energy balance of new power system ［J］. Electric Power Construction ， 2025 ， 46 （ 9 ）： 1 - 12 .

俞力珉，王彦虹，赵紫恒，等 . 面向多维风光发电随机性的电力系统负荷裕度全局灵敏度分析［J/OL］. 上海交通大学学报， 2025-08-25 . https：//doi.org/10.16183/j.cnki.jsjtu.2025.037 https://doi.org/10.16183/j.cnki.jsjtu.2025.037 .

Yu Limin ， Wang Yanhong ， Zhao Ziheng ， et al . Global sensitivity analysis for load margin in power system considering randomness of multi-dimensional wind and photovoltaic power generation ［J/OL］. Journal of Shanghai Jiaotong University ， 2025-08-25 . https：//doi.org/10.16183/j.cnki.jsjtu.2025.037 https://doi.org/10.16183/j.cnki.jsjtu.2025.037 .

林星宇 . 电力系统概率最大输电能力全局-区域综合灵敏度分析及其应用研究［D］. 重庆：重庆大学， 2024 .

Lin Xingyu . Research on conjoint global-regional sensitivity analysis of probabilistic total transfer capability and its application in power systems ［D］. Chongqing ： Chongqing University ， 2024 .

Zhang J ， Fu K X ， Huang W Z ， et al . Efficient probabilistic evaluation and sensitivity analysis of load supply capability for renewable-energy-based power systems ［J］. Applied Sciences ， 2025 ， 15 （ 9 ）： 5169 .

Nicoli M ， Borgonovo E ， Di Cosmo V ， et al . A framework for global sensitivity analysis in long-term energy systems planning using optimal transport ［J］. Energy ， 2025 ， 338 ： 138788 .

Yliruka M ， Moret S ， Shah N . Detail or uncertainty？ Applying global sensitivity analysis to strike a balance in energy system models ［J］. Computers & Chemical Engineering ， 2023 ， 177 ： 108287 .

Shen Z Q ， Wei W ， Wu D M ， et al . Modeling arbitrage of an energy storage unit without binary variables ［J］. CSEE Journal of Power and Energy Systems ， 2021 ， 7 （ 1 ）： 156 - 161 .

高建生，汪马翔，邢鹏生，等 . 计及钢铁企业参与的含风电电力系统协同调度策略［J］. 综合智慧能源， 2025 ， 47 （ 10 ）： 52 - 59 .

Gao Jiansheng ， Wang Maxiang ， Xing Pengsheng ， et al . Coordinated scheduling strategy for wind power integrated power systems considering participation of steel enterprises ［J］. Integrated Intelligent Energy ， 2025 ， 47 （ 10 ）： 52 - 59 .

窦翔，李卓群，张哲，等 . 基于CNN-BiLSTM-RF-KDE的综合能源系统负荷预测［J］. 综合智慧能源， 2025 ， 47 （ 9 ）： 60 - 70 .

Dou Xiang ， Li Zhuoqun ， Zhang Zhe ， et al . Load forecasting for integrated energy systems based on CNN-BiLSTM-RF-KDE ［J］. Integrated Intelligent Energy ， 2025 ， 47 （ 9 ）： 60 - 70 .

吕金炳，韦鹏飞，刘亚丽，等 . 考虑新能源出力相关性的电网电压暂降随机预估［J］. 电力建设， 2018 ， 39 （ 10 ）： 71 - 81 .

Lü Jinbing ， Wei Pengfei ， Liu Yali ， et al . Stochastic estimation of voltage sag considering output correlation of renewable energy sources ［J］. Electric Power Construction ， 2018 ， 39 （ 10 ）： 71 - 81 .

Lebrun R ， Dutfoy A . A generalization of the Nataf transformation to distributions with elliptical copula ［J］. Probabilistic Engineering Mechanics ， 2009 ， 24 （ 2 ）： 172 - 178 .

韩宝慧，陆玲霞，包哲静，等 . 基于多头概率稀疏自注意力模型的综合能源系统多元负荷短期预测［J］. 电力建设， 2024 ， 45 （ 2 ）： 127 - 136 .

Han Baohui ， Lu Lingxia ， Bao Zhejing ， et al . Short-term forecasting of multienergy loads of integrated energy system based on multihead probabilistic sparse self-attention model ［J］. Electric Power Construction ， 2024 ， 45 （ 2 ）： 127 - 136 .

刘承锡，蒋友津，韩江北 . 基于扩展Nataf变换的交直流混合系统概率潮流计算方法［J］. 科学技术与工程， 2023 ， 23 （ 24 ）： 10362 - 10371 .

Liu Chengxi ， Jiang Youjin ， Han Jiangbei . Probabilistic power flow calculation method of AC/DC hybrid system based on extended Nataf transformation ［J］. Science Technology and Engineering ， 2023 ， 23 （ 24 ）： 10362 - 10371 .

Li X R ， Liu C X ， Wang C X ， et al . Arbitrary polynomial chaos-based power system dynamic analysis with correlated uncertainties ［J］. International Journal of Electrical Power & Energy Systems ， 2024 ， 157 ： 109806 .

Yang Y Q ， Hu R Y ， Wang W F ， et al . Construction and optimization of non-parametric analysis model for meter coefficients via back propagation neural network ［J］. Scientific Reports ， 2024 ， 14 ： 11452 .

Goodfellow I ， Bengio Y ， Courville A . Deep learning ［M］. Cambridge ： MIT Press ， 2016 ： 164 - 199 .

Yang C ， Han D ， Sun W Q ， et al . Distributionally robust model of energy and reserve dispatch based on Kullback-Leibler divergence ［J］. Electronics ， 2019 ， 8 （ 12 ）： 1454 .

Syamsuddin A ， Adhi A C ， Widodo A ， et al . Photovoltaic system power output forecasting using vector auto-regression （VAR）［C］// 2024 6th International Conference on Power Engineering and Renewable Energy （ICPERE） . IEEE ， 2024 ： 1 - 4 .

孟雨田，严正，徐潇源，等 . 配电网状态估计的全局灵敏度分析及应用［J］. 电力系统自动化， 2020 ， 44 （ 2 ）： 114 - 122 .

Meng Yutian ， Yan Zheng ， Xu Xiaoyuan ， et al . Global sensitivity analysis on state estimation of distribution network and its application ［J］. Automation of Electric Power Systems ， 2020 ， 44 （ 2 ）： 114 - 122 .

Kucherenko S ， Tarantola S ， Annoni P . Estimation of global sensitivity indices for models with dependent variables ［J］. Computer Physics Communications ， 2012 ， 183 （ 4 ）： 937 - 946 .

王芊瑞，阮景昕，王跃社 . 考虑风、光出力时空相关性的电-氢协同储能系统经济性优化调度研究［J］. 综合智慧能源， 2025 ， 47 （ 12 ）： 34 - 45 .

Wang Qianrui ， Ruan Jingxin ， Wang Yueshe . Economic optimal scheduling of electricity-hydrogen coordinated energy storage system considering spatiotemporal correlation of wind and photovoltaic power outputs ［J］. Integrated Intelligent Energy ， 2025 ， 47 （ 12 ）： 34 - 45 .

陆春良，黄静，吴华华，等 . 基于虚拟分区的电网平衡机制研究［J］. 电气时代， 2018 （ 3 ）： 63 - 66 .

Lu Chunliang ， Huang Jing ， Wu Huahua ， et al . Research on power grid balance mechanism based on virtual partition ［J］. Electric Age ， 2018 （ 3 ）： 63 - 66 .

Ba S Y ， Hao J H ， Zhou J H ， et al . A spatial aggregation-based chronological production simulation model for the decarbonization pathway analysis of provincial power system ［J］. Energy ， 2026 ， 342 ： 139768 .

杨燕，金楚，程鑫，等 . 基于大湾区外环的柔性直流互联方案［J］. 南方电网技术， 2021 ， 15 （ 3 ）： 15 - 21 .

Yang Yan ， Jin Chu ， Cheng Xin ， et al . Flexible DC interconnection scheme based on the outer ring of Guangdong-Hong Kong-Macao greater bay area ［J］. Southern Power System Technology ， 2021 ， 15 （ 3 ）： 15 - 21 .

Views

下载量

CSCD

Alert me when the article has been cited

提交

Tools

Publicity Resources

A Practical Method for Probabilistic Analysis of Electric Power and Energy Balance of New Power System

A Two-Stage Resilience Enhancement Strategy for Distribution Networks Integrated with Mobile Energy Storage Coordination Under Typhoon Disasters

Joint Prediction and Scheduling Optimization Strategy for Hybrid Pumped Storage Power Stations

LLM-Empowered Meteorological Agent Construction and Its Application in Short-Term Power Load Forecasting

Small-Sample Wind Power Forecasting Based on A Time-Series Large Model

Related Author

LI Wanru

GUO Jincheng

WANG Jianxue

WANG Xiuli

YANG Qian

MA Qian

Yiping CHEN

Yucheng LIU

Related Institution

School of Electrical Engineering， Xi’an Jiaotong University

Power Dispatching & Communication Centre of China Southern Power Grid

Power Dispatching Control Center,, Guangzhou

School of Electric Power, South China University of Technology

Guangdong Province New Energy Power System Intelligent Operation and Control Enterprise Key Laboratory

AI问答

⁰