1. 郑州轻工业大学电气信息工程学院
2. 中国农业大学信息与电气工程学院
Published:2026
移动端阅览
季玉琦, 安安, 和萍, et al. 基于多模态融合转折点预测的短期负荷曲线窗口划分与多分段预测方法[J]. 2026, 50(6): 2254-2271.
DOI:
季玉琦, 安安, 和萍, et al. 基于多模态融合转折点预测的短期负荷曲线窗口划分与多分段预测方法[J]. 2026, 50(6): 2254-2271. DOI: 10.13335/j.1000-3673.pst.2025.1334.
为解决负荷曲线拐点预测误差大及传统方法无法动态调整预测窗口的问题,文章提出一种基于多模态模型的转折点预测与多分段短期负荷预测方法。首先,将负荷序列转化为无阀值递归图,结合矩形结构元素的灰度级形态学开运算优化图像特征。其次,构建多模态融合模型,结合递归图空间特征与原始序列时序特征,精准预测负荷曲线转折点。然后,使用K-Medoids算法对日负荷曲线聚类,基于多模态预测的转折点待动态划分预测窗口。最后,在各分段上采用卷积神经网络-长短期记忆网络模型(convolutional neural networks-long short-term memory
CNN-LSTM)进行预测。基于ISO-NE数据集的仿真表明,与K-CNN-LSTM模型相比,所提方法在不同类型日的平均绝对百分比误差分别下降了37.34%、39.28%和40.73%,并且有效提高了转折点时段的预测精度。
叶鸥,张璟,李军怀.中文数据清洗研究综述[J].计算机工程与应用,2012(14).
彭显刚,潘可达,张丹,刘艺,林志坚.基于季节性负荷自适应划分及重要点分割的多分段短期负荷预测[J].电网技术,2020(02).
李玉志,刘晓亮,邢方方,温国强,卢楠滟,何慧,焦润海.基于Bi-LSTM和特征关联性分析的日尖峰负荷预测[J].电网技术,2021(07).
徐先峰,赵依,刘状壮,李陇杰,卢勇.用于短期电力负荷预测的日负荷特性分类及特征集重构策略[J].电网技术,2022(04).
周思思,李勇,郭钇秀,乔学博,梅玉杰,邓威.考虑时序特征提取与双重注意力融合的TCN超短期负荷预测[J].电力系统自动化,2023(18).
季玉琦,严亚帮,和萍,刘小梅,李从善,赵琛,范嘉乐.基于K-Medoids聚类与栅格法提取负荷曲线特征的CNN-LSTM短期负荷预测[J].电力系统保护与控制,2023(18).
姜飞,林政阳,王文烨,王小明,奚振乾,郭祺.考虑最小平均包络熵负荷分解的最优Bagging集成超短期多元负荷预测[J].中国电机工程学报,2024(05).
刘杰,从兰美,夏远洋,潘广源,赵汉超,韩子月.基于DBO-VMD和IWOA-BILSTM神经网络组合模型的短期电力负荷预测[J].电力系统保护与控制,2024(08).
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).
潘艳霞,刘国瑞,任建婧,赵堃,谭沛然,马容婷,郝玲,何建樑.面向跨季度多时段特征双向聚类与时序迁移的多任务短期电网负荷预测[J].电网技术,2025(04).
范士雄,李东琦,郭剑波,王铁柱,马士聪,赵泽宁.基于时变滤波经验模态分解-重构和独立自注意力机制的iTransformer超短期负荷预测方法[J].电网技术,2025(06).
范竞敏,贺广林,钟铭伟,王新刚,徐亮,柯子维.考虑日期模式等效和多级并行卷积模块的短期负荷预测[J].电网技术,2025(06).
万思洋,杨苹,崔嘉雁,李丰能,隗知初,陈文皓.针对非平稳信号和高频噪声的自适应噪声完整集成经验模态分解-双向长短期记忆风功率预测模型[J].电网技术,2025(03).
李加文,孙永辉,王森,章子玮,王瑶.计及异常场景数据缺失的负荷超短期预测[J].电力系统自动化,2025(15).
0
Views
128
下载量
CSCD
Publicity Resources
Related Articles
Related Author
Related Institution