
1. 中国能源建设集团新疆电力设计院有限公司
2. 新疆工程学院信息工程学院
3. 新疆大学软件学院
Published:2023
移动端阅览
钱育树, 孔钰婷, 黄聪. 电力负荷预测研究综述[J]. 2023, (4): 37-43+58.
为适应智能电网快速响应的要求,电力负荷预测成为智能电网关键任务之一。精准的电力负荷预测响应对电力系统运行的安全性、稳定性、经济性起着至关重要的作用。首先,介绍电力负荷预测的特性及分类;随后,分析电力负荷预测的影响因素,并介绍电力负荷预测的基本步骤和性能评价指标;再将电力系统负荷预测的研究分传统预测方法、机器学习预测方法及深度学习预测方法等3类展开阐述;最后,总结所做的工作并展望电力负荷预测的未来发展方向。
智能电网中基于深度学习的负荷预测研究[D]. 肖灿彬.南京邮电大学,2022(02)
电力负荷预测与优化算法的研究[D]. 王鑫恒.齐鲁工业大学,2022(02)
基于智能优化的神经网络短期电力负荷预测[D]. 张雪.西安工业大学,2022(01)
基于注意力机制融合LSTM的短期电力负荷预测算法研究[D]. 曹少奇.华北电力大学(北京),2022(03)
基于稀疏自注意力机制的长时间序列电力负荷预测模型研究[D]. 詹曾文.南昌大学,2022(02)
基于注意力机制集成多神经网络的短期电力负荷预测[D]. 华恒.南昌大学,2022(02)
基于需求侧管理的电力用户有序用电方法研究[D]. 叶宗阳.南昌大学,2022(02)
面向电力市场用户侧的中长期电力负荷预测研究[D]. 李涛.重庆理工大学,2022(01)
Electric Power Load Forecasting Method Based on a Support Vector Machine Optimized by the Improved Seagull Optimization Algorithm[J]. Zhang Suqi;Zhang Ningjing;Zhang Ziqi;Chen Ying.Energies,2022
Load forecasting via Grey Model-Least Squares Support Vector Machine model and spatial-temporal distribution of electric consumption intensity[J]. Zhao Zhenyu;Zhang Yao;Yang Yujia;Yuan Shuguang.Energy,2022
Mid-long term load forecasting model based on support vector machine optimized by improved sparrow search algorithm[J]. Li Jinghua;Lei Yongsheng;Yang Shuhui.Energy Reports,2022
A review on the long short-term memory model[J]. Greg Van Houdt;Carlos Mosquera;Gonzalo Nápoles.Artificial Intelligence Review,2020
Fundamentals of Recurrent Neural Network (RNN) and Long Short-Term Memory (LSTM) network[J]. Alex Sherstinsky.Physica D: Nonlinear Phenomena,2020
Methods and Models for Electric Load Forecasting: A Comprehensive Review[J]. Mahmoud A. Hammad;Borut Jereb;Bojan Rosi;Dejan Dragan.Logistics & Sustainable Transport,2020
深度学习在电力系统预测中的应用[J]. 苗磊;李擎;蒋原;崔家瑞;王义轩.工程科学学报,2023(04)
基于相似日和SAE-DBiLSTM模型的短期电力负荷预测[J]. 姜东良;李天昊;刘文浩.电气工程学报,2022(04)
基于机器学习的短期负荷预测算法综述[J]. 梁宏涛;刘红菊;李静;王莹;郭超男.计算机系统应用,2022(10)
基于XGB-Transformer模型的短期电力负荷预测[J]. 董家富;万雄;王岩;叶瑞丽;熊志杰;范海威;薛一波.电力信息与通信技术,2023(01)
基于综合气象指数的EA-SNN组合负荷预测模型[J]. 刘炬;刘闯;徐达;李俊;马小龙;杨昊.山东电力技术,2022(08)
基于灰色关联和麻雀搜索算法的电力负荷预测[J]. 张子阳;王珂珂.辽宁工程技术大学学报(自然科学版),2022(03)
面向新型电力系统的江苏省电力市场发展路径研究[J]. 牛文娟;吴晨;薛贵元;杨颖;王蓓蓓;黄俊辉.广东电力,2022(03)
基于循环扩张机制的ConvGRU-Transformer短期电力负荷预测方法[J]. 遆宝中;李庚银;武昭原;王剑晓;周明;李瑞连.华北电力大学学报(自然科学版),2022(03)
电力系统关键技术进步与低碳转型的协同优化[J]. 侯金鸣;孙蔚;肖晋宇;金晨;杜尔顺;黄杰.电力系统自动化,2022(13)
电力行业市场规模及发展驱动因素分析[J]. .新能源科技,2021(06)
基于油气开采的海上油田中长期电力负荷预测[J]. 王艳松;赵惺;李强;李雪;魏澈.中国石油大学学报(自然科学版),2021(02)
基于LSSVM的超短期负荷区间预测[J]. 杜雅楠;齐敬先;施建华;王亚鹏.计算机系统应用,2021(03)
基于多尺度卷积神经网络的短期电力负荷预测[J]. 许言路;武志锴;朱赫炎;王斌斌;邓卓夫.沈阳工业大学学报,2020(06)
基于随机森林算法的短期电力负荷预测[J]. 李焱;贾雅君;李磊;郝建姝;张晓英.电力系统保护与控制,2020(21)
基于多尺度跳跃深度长短期记忆网络的短期多变量负荷预测[J]. 肖勇;郑楷洪;郑镇境;钱斌;李森;马千里.计算机应用,2021(01)
基于改进PSO优化LSTM网络的短期电力负荷预测[J]. 魏腾飞;潘庭龙.系统仿真学报,2021(08)
一种基于LSTM神经网络的电力负荷预测方法[J]. 王永志;刘博;李钰.实验室研究与探索,2020(05)
基于BFGS-FA优化的分数阶灰色模型的中长期负荷预测[J]. 魏明奎;周全;蔡绍荣;江栗;路亮;张致强;周步祥.广西大学学报(自然科学版),2020(02)
基于随机森林算法的中短期用电量预测[J]. 乔黎伟;王静怡;郭炜;李国文;韩俊杰.电力科学与技术学报,2020(02)
基于K-Means和CNN的用户短期电力负荷预测[J]. 吕志星;张虓;王沈征;王一;程思瑾;秦承龙.计算机系统应用,2020(03)
电力系统负荷预测综述[J]. 王栋.电气开关,2020(01)
基于混沌类电磁算法优化支持向量机的短期负荷预测[J]. 王茜;李皓然;王新娜;张媛媛.计算技术与自动化,2019(04)
基于改进BP神经网络的短期电力负荷预测方法研究[J]. 王克杰;张瑞.电测与仪表,2019(24)
配电网规划中电力负荷预测方法研究综述[J]. 邓永生;焦丰顺;张瑞锋;王将平.电器与能效管理技术,2019(14)
基于相似数据选取和改进梯度提升决策树的电力负荷预测[J]. 谷云东;马冬芬;程红超.电力系统及其自动化学报,2019(05)
智能电网背景下的大数据处理与短期负荷预测综述[J]. 汪威为;陈超洋.无线互联科技,2019(05)
负荷预测指数平滑法“厚近薄远”规律研究[J]. 夏家盛;吉培荣.电力学报,2019(01)
基于时间序列分析和卡尔曼滤波算法的电力系统短期负荷预测[J]. 石文清;吴开宇;王东旭;王迪.自动化技术与应用,2018(09)
电力负荷预测研究综述及预测分析[J]. 杨博宇;陈仕军.四川电力技术,2018(03)
关于电力负荷影响因素及智能预测方法的研究[J]. 胡朝举;李云霞.通信电源技术,2018(02)
电力系统负荷预测综述[J]. 张凌云;肖惠仁;吴俊豪;廖谦;王鹏.电力大数据,2018(01)
基于神经网络的电力系统短期负荷预测[J]. 赵东雷;李丹华;库巍;李文浩;花广如.华北电力技术,2017(09)
基于提升小波的时间序列分析法的电力负荷预测[J]. 张帆;张峰;张士文.电气自动化,2017(03)
电力系统负荷预测方法在配电网规划中的实践探析[J]. 白靖.通信电源技术,2016(02)
配电网节点数据综合统计与分析[J]. 杨丕波;何祖斌.贵州电力技术,2015(01)
神经网络在电力负荷预测中的应用研究[J]. 杜莉;张建军.计算机仿真,2011(10)
0
Views
0
下载量
0
CSCD
Publicity Resources
Related Articles
Related Author
Related Institution
京公网安备11010802024621