1. 国网北京海淀供电公司
2. 中国电力科学研究院有限公司
3. 国网北京昌平供电公司
4. 北京信息科技大学
5. 北方工业大学
Published:2025
移动端阅览
刘洋, 白雪峰, 陈宋宋, et al. 基于双层优化的度夏负荷预测模型[J]. 2025, (2): 11-17.
DOI:
刘洋, 白雪峰, 陈宋宋, et al. 基于双层优化的度夏负荷预测模型[J]. 2025, (2): 11-17. DOI: 10.16543/j.2095-641x.electric.power.ict.2025.02.02.
随着度夏期间极端高温频发,负荷近年来大幅快速增长,度夏负荷精准预测作为支撑电力保供、电网稳定运行的重要环节,对其预测准确率的要求逐步上升。目前的预测算法对负荷快速攀升跟踪不及时,预测结果远低于实际值。因此,文章提出了一种双层优化的度夏负荷预测模型,采用差分进化算法在内层对LightGBM模型的超参数进行寻优,同时在外层对年度增长系数进行优化,降低历史低负荷影响。选取国网2021—2023年每年度夏期间负荷数据进行算例验证,预测平均绝对百分比误差较LightGBM单模型下降了1.82%,证明了该预测模型的有效性与准确性。
周颖,白雪峰,王阳,邱敏,孙冲,武亚杰,李彬.面向虚拟电厂运营的温度敏感负荷分析与演变趋势研判[J].中国电力,2024(01).
彭运猛,高林,赵晓雨,杨校李,廖明艳.基于LightGBM-Transformer算法的短期电力负荷预测[J].湖北民族大学学报(自然科学版),2023(03).
蒋其容,魏勇,高先松,陈圣渝.LSTM-LightGBM组合模型的短期电力负荷预测[J].中国设备工程,2023(08).
韩富佳,王晓辉,乔骥,史梦洁,蒲天骄.基于人工智能技术的新型电力系统负荷预测研究综述[J].中国电机工程学报,2023(22).
吴霆辉.基于遗传算法优化LightGBM-XGBoost模型的电力负荷预测[J].科学技术创新,2023(03).
岑健铭,封全喜,张丽丽,佟锐超.基于DE-lightGBM模型的上市公司高送转预测实证研究[J].计算机科学,2022(S2).
吕亚妮.基于时间序列线性数学模型的电力系统短期负荷预测[J].光源与照明,2022(07).
胡乙丹,姜吉祥,董霞.基于结合聚类与SVM参数寻优的短期电力负荷预测方法[J].电力信息与通信技术,2022(05).
邹东池,白富生.基于差分进化算法的神经网络优化设计[J].重庆师范大学学报(自然科学版),2022(01).
乔黎伟,王静怡,郭炜,李国文,韩俊杰.基于随机森林算法的中短期用电量预测[J].电力科学与技术学报,2020(02).
刘亚辉,韩明轩,郭俊岑,苏良立.基于密度聚类与ARIMA模型短期电力负荷预测[J].北京信息科技大学学报(自然科学版),2019(05).
黄青平,邹晓明,刘楚群,叶明武,黄祺珺.基于小波分解与随机森林的短期负荷预测[J].电力信息与通信技术,2019(09).
胡怡霜,夏翔,丁一,方建亮.基于因子和趋势分析反馈的多元回归负荷预测[J].电力需求侧管理,2018(06).
王宝财.基于温度近因效应的多元线性回归电力负荷预测[J].水电能源科学,2018(10).
胡函武,施伟,陈桥,李凯.基于改进差分进化算法优化极限学习机的短期负荷预测[J].宁夏电力,2018(04).
张宇航,邱才明,贺兴,凌泽南,石鑫.一种基于LSTM神经网络的短期用电负荷预测方法[J].电力信息与通信技术,2017(09).
丁青锋,尹晓宇.差分进化算法综述[J].智能系统学报,2017(04).
0
Views
下载量
CSCD
Publicity Resources
Related Articles
Related Author
Related Institution