1. 中国农业大学信息与电气工程学院
2. 斯泰伦博斯大学工程学院
3. 辽宁工程技术大学电气与控制工程学院
Published:2026
移动端阅览
史文瑜, 郝晨晨, 杨德昌, et al. 基于时间序列大模型的综合能源系统多元负荷预测[J]. 2026, 50(1): 50-59.
DOI:
史文瑜, 郝晨晨, 杨德昌, et al. 基于时间序列大模型的综合能源系统多元负荷预测[J]. 2026, 50(1): 50-59. DOI: 10.13335/j.1000-3673.pst.2025.0806.
为了解决多能耦合关系,提高稀缺历史数据场景下综合能源系统负荷预测精度,该文提出基于时间序列大模型TimeGPT综合能源系统多元负荷预测方法,首先分析气象因素对多元负荷影响,并引入距离相关系数筛选气象因素,利用自注意力机制捕捉不同负荷之间的耦合关系;其次,利用预训练大模型将气象因素进行特征融合作为TimeGPT外生变量输入,然后通过大模型微调技术进行局部调参。最后实验表明,在稀缺的历史数据下,相较于传统机器学习模型,经过预训练与微调的TimeGPT模型在多元负荷预测中具有更高的预测精度。
杨挺,赵黎媛,王成山.人工智能在电力系统及综合能源系统中的应用综述[J].电力系统自动化,2019(01).
史佳琪,谭涛,郭经,刘阳,张建华.基于深度结构多任务学习的园区型综合能源系统多元负荷预测[J].电网技术,2018(03).
麦鸿坤,肖坚红,吴熙辰,陈驰.基于R语言的负荷预测ARIMA模型并行化研究[J].电网技术,2015(11).
程浩忠,胡枭,王莉,刘育权,于琪.区域综合能源系统规划研究综述[J].电力系统自动化,2019(07).
赵宏伟,任震,黄雯莹.基于周期自回归模型的短期负荷预测[J].中国电机工程学报,1997(05).
陈振宇,刘金波,李晨,季晓慧,李大鹏,黄运豪,狄方春,高兴宇,徐立中.基于LSTM与XGBoost组合模型的超短期电力负荷预测[J].电网技术,2020(02).
朱继忠,董瀚江,李盛林,陈梓瑜,骆腾燕.数据驱动的综合能源系统负荷预测综述[J].中国电机工程学报,2021(23).
肖白,周文凯,姜卓.基于孤立森林、模态分解和神经网络的空间负荷态势感知[J].电力系统自动化,2022(18).
鲁斌,霍泽健,俞敏.基于LSTNet-Skip的综合能源系统多元负荷超短期预测[J].中国电机工程学报,2023(06).
窦真兰,张春雁,许一洲,高煜焜,刘皓明.基于多变量相空间重构和径向基函数神经网络的综合能源系统电冷热超短期负荷预测[J].电网技术,2024(01).
王小君,窦嘉铭,刘曌,刘畅宇,蒲天骄,和敬涵.可解释人工智能在电力系统中的应用综述与展望[J].电力系统自动化,2024(04).
秦烁,赵健,徐剑,魏敏捷.基于多任务学习和单任务学习组合模型的综合能源系统多元负荷预测[J].电网技术,2024(04).
王继东,于俊源,孔祥玉.基于双重分解和双向长短时记忆网络的中长期负荷预测模型[J].电网技术,2024(08).
薛东,段立强,高统彤,张伟骏,蔡强,刘路尧.考虑多重特征与不确定性度量的综合能源系统负荷预测研究[J].太阳能学报,2024(07).
高晨元,田建艳,姬政雄,杨立志.基于门控循环单元残差连接网络与多任务学习的园区综合能源系统多元负荷预测[J].电网技术,2025(05).
马恒瑞,袁傲添,王波,杨昌华,董旭柱,陈来军.基于深度学习的负荷预测研究综述与展望[J].高电压技术,2025(03).
0
Views
1202
下载量
CSCD
Publicity Resources
Related Articles
Related Author
Related Institution