广东电网广州供电局
Published:2025
移动端阅览
包育德, 邱润韬, 许博智. 基于ADKDE-LSTM的变电站短期负荷功率区间预测研究[J]. 2025, (11): 42-50.
DOI:
包育德, 邱润韬, 许博智. 基于ADKDE-LSTM的变电站短期负荷功率区间预测研究[J]. 2025, (11): 42-50. DOI: 10.16628/j.cnki.2095-8188.2025.11.006.
针对变电站短期负荷预测中非线性适应差、区间估计不准的问题,提出一种自适应扩散核密度估计与长短期记忆网络(ADKDE-LSTM)融合的区间预测方法。融合历史负荷与气象数据,通过ADKDE方法分析误差分布,结合LSTM建模时序特征,构建95%置信水平的预测区间。基于某220 kV变电站数据的实验表明,模型在4个数据集的平均预测区间覆盖率(PICP)达0.914
预测区间宽度(PIAW)较对比模型降低20%~30%。所提方法能精准量化负荷不确定性,为电网规划提供可靠区间预测支撑。
邵振桓.电动汽车充电负荷预测方法研究[D].华北电力大学,2023(07).
Aslam Sheraz,Herodotou Herodotos,Mohsin Syed Muhammad,Javaid Nadeem,Ashraf Nouman,Aslam Shahzad.A survey on deep learning methods for power load and renewable energy forecasting in smart microgrids[J].Renewable and Sustainable Energy Reviews,2021.
许青,丁坤,徐铭,王新颖,李天寿,刘正英.基于张量补全算法的极端天气短期风力-光伏发电功率联合预测[J].兰州大学学报(自然科学版),2025(03).
沈明慷,沙浩源,郭涛,朱晓峰,程星鑫,邓凯,关杰,傅鹏,王强,邓海晖.变电站数字化系统建设方案研究[J].电器与能效管理技术,2025(04).
张浩楠,崔丽敏.新型电力系统的气候风险适应性分析及展望[J].电力建设,2025(03).
许永雷,张伟忠.基于智能电网技术的供电所配电系统优化与重构[J].中国新技术新产品,2025(03).
张晋轩.基于BP神经网络电力负荷预测[J].中国高新科技,2024(18).
崔林然,侯云超,杨海柱.基于RBF神经网络与模糊控制的短期负荷预测分析[J].电气技术与经济,2024(03).
魏步晗,鲍刚,李振华.基于支持向量回归预测模型考虑天气因素和分时电价因素的短期电力负荷预测[J].电网与清洁能源,2023(11).
唐旭辰,潮铸,段秦尉,苏炳洪,陈卉灿.基于分层测量数据的高压变电站概率负荷预测方法[J].中国电力,2023(08).
赵泽昆.基于台区10 kV配线负荷的组合预测方法及应用[J].电器与能效管理技术,2023(03).
黄文思,陆鑫,陈婧,林超,薛迎卫,施炜炜.基于深度回归森林的短期电力负荷预测[J].电气自动化,2023(01).
黄晨宏,李昆鹏,郑真,马小丽,颜华敏,田书欣.基于二次混合模态分解和LSTM-MFO算法的短期负荷预测[J].电器与能效管理技术,2022(09).
许建,王家华,陈玉峰.基于LSTM和PSO联合优化的微电网短期负荷预测方法[J].电器与能效管理技术,2022(09).
余登武,刘敏,蒲凡诺,秦序胜,秦先鑫,谢若昕.基于深度学习分位数回归的电力负荷区间预测方法[J].广东电力,2022(09).
高翱,王帅,韩兴臣,张智晟.基于GRU神经网络的WGAN短期负荷预测模型[J].电气工程学报,2022(02).
曾林俊,许加柱,王家禹,梁志宏,李芸,钟朝峰.考虑区间构造的改进极限学习机短期电力负荷区间预测[J].电网技术,2022(07).
陈磊,张青云,向晓,刘红云,刘闯.改进灰色预测模型在电力负荷预测中的应用[J].河北电力技术,2021(06).
张林,赖向平,仲书勇,李柯沂.基于正交小波和长短期记忆神经网络的用电负荷预测方法[J].现代电力,2022(01).
邓惟绩,肖辉,李金泽,王家奇,卢文韬.基于改进长短期记忆网络和高斯过程回归的光伏功率预测方法[J].电器与能效管理技术,2021(08).
黄运有,詹剑锋.基于深度学习的短期负荷预测综述[J].高技术通讯,2021(03).
范士雄,刘幸蔚,於益军,张伟,李立新.基于多源数据和模型融合的超短期母线负荷预测方法[J].电网技术,2021(01).
0
Views
13
下载量
CSCD
Publicity Resources
Related Articles
Related Author
Related Institution