基于联合模型的短期电力负荷预测方法

蔡君懿; 李琪林; 严平

doi:10.16527/j.issn.1003-6954.20230505

English Version Reader LoginJournal Login

您当前的位置：

首页 >

文章列表页 >

基于联合模型的短期电力负荷预测方法

更新时间：2026-02-13

- 基于联合模型的短期电力负荷预测方法
- Issue 5, Pages: 27-34(2023)
- 作者机构：
  
  国网四川省电力公司计量中心
- 作者简介：
- 基金信息：
- DOI：10.16527/j.issn.1003-6954.20230505
  CLC： TM715
- Published：2023
- 稿件说明：
移动端阅览
蔡君懿, 李琪林, 严平. 基于联合模型的短期电力负荷预测方法[J]. 2023, (5): 27-34.
DOI：

蔡君懿, 李琪林, 严平. 基于联合模型的短期电力负荷预测方法[J]. 2023, (5): 27-34. DOI： 10.16527/j.issn.1003-6954.20230505.

摘要

为了准确预测电力负荷并提高电力系统调节和调度的灵活性、准确性，提出了基于差分自回归滑动平均和长短期记忆神经网络的短期负荷联合模型预测方法，以避免单一预测模型可能难以满足预测准确需求的情况。首先，使用差分自回归滑动平均和长短期记忆神经网络单一模型对短期电力负荷开展预测；然后，使用改进的粒子群优化算法对联合模型权重进行寻优；最后，利用最优权重将单一模型预测结果进行合并得到最终的预测结果。验证结果表明，所建立的联合模型能够对短期电力负荷进行准确的预测，且联合模型的预测精度要优于差分自回归滑动平均、长短期记忆神经网络和BP神经网络等单一模型，具有一定的工程应用价值。

Abstract

关键词

Keywords

references

Research on the Prediction Method of Ultimate Bearing Capacity of PBL Based on IAGA-BPNN Algorithm[J]. Chen Yixin;Zhang Jianye;Liu Yongsheng;Zhao Siwei;Zhou Shunli;Chen Jing.IEEE ACCESS,2020

Multi-Scale Convolutional Neural Network With Time-Cognition for Multi-Step Short-Term Load Forecasting.[J]. Zhuofu Deng;Binbin Wang;Yanlu Xu;Tengteng Xu;Chenxu Liu;Zhiliang Zhu.IEEE Access,2019

Probabilistic energy forecasting: Global Energy Forecasting Competition 2014 and beyond[J]. Tao Hong;Pierre Pinson;Shu Fan;Hamidreza Zareipour;Alberto Troccoli;Rob J. Hyndman.International Journal of Forecasting,2016

Differential Evolution - A Simple and Efficient Heuristic for global Optimization over Continuous Spaces.[J]. Rainer Storn;Kenneth Price.Journal of Global Optimization,1997(4)

Long short-term memory.[J]. Hochreiter S;Schmidhuber J.Neural computation,1997(8)

Principal component analysis in linear systems: Controllability, observability, and model reduction[J]. B. Moore.IEEE Transactions on Automatic Control,1981(1)

Power spectrum estimation through autoregressive model fitting[J]. Hirotugu Akaike.Annals of the Institute of Statistical Mathematics,1969(1)

基于多维聚类的配变负荷注意力短期预测方法[J]. 钟光耀;邰能灵;黄文焘;李然;傅晓飞;纪坤华.上海交通大学学报,2021(12)

基于改进LSSVM的短期电力负荷预测[J]. 杨邓;杨俊杰;胡晨阳;崔丹;陈照光.电子测量技术,2021(18)

基于CNN-Bi LSTM的短期电力负荷预测[J]. 朱凌建;荀子涵;王裕鑫;崔强;陈文义;娄俊超.电网技术,2021(11)

改进人工蜂群优化神经网络的短期负荷预测[J]. 马松龄;代一楠;徐军昶;马健.机械设计与制造,2021(07)

基于长短期记忆网络和LightGBM组合模型的短期负荷预测[J]. 陈纬楠;胡志坚;岳菁鹏;杜一星;齐祺.电力系统自动化,2021(04)

基于一种新型鲁棒损失的神经网络短期负荷预测方法[J]. 蔡秋娜;潮铸;苏炳洪;王龙;段秦尉;温亚坤;李冰.电网技术,2020(11)

基于Wide&Deep-LSTM模型的短期台区负荷预测[J]. 吕海灿;王伟峰;赵兵;张毅;郭秋婷;胡伟.电网技术,2020(02)

基于实时电价和加权灰色关联投影的SVM电力负荷预测[J]. 赵佩;代业明.电网技术,2020(04)

基于EEMD-GRU-MLR的短期电力负荷预测[J]. 邓带雨;李坚;张真源;滕予非;黄琦.电网技术,2020(02)

基于LSTM与XGBoost组合模型的超短期电力负荷预测[J]. 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.电网技术,2020(02)

基于变分模态分解-BA-LSSVM算法的配电网短期负荷预测[J]. 赵凤展;郝帅;张宇;杜松怀;单葆国;苏娟;井天军;赵婷婷.农业工程学报,2019(14)

基于GRU-NN模型的短期负荷预测方法[J]. 王增平;赵兵;纪维佳;高欣;李晓兵.电力系统自动化,2019(05)

基于改进卡尔曼滤波算法的短期负荷预测[J]. 刘鑫;滕欢;宫毓斌;滕德云.电测与仪表,2019(03)

基于Spark和IPPSO_LSSVM的短期分布式电力负荷预测算法[J]. 王保义;王冬阳;张少敏.电力自动化设备,2016(01)

基于R语言的负荷预测ARIMA模型并行化研究[J]. 麦鸿坤;肖坚红;吴熙辰;陈驰.电网技术,2015(11)

Views

下载量

CSCD

Alert me when the article has been cited

提交

Tools

Publicity Resources

No data

Related Author

No data

Related Institution

No data

AI问答

⁰