基于VAE-Koopman-Attention融合的台区分类感知负荷预测方法

杜宗伟; 杨海跃; 王泽宁; 高丽娟; 王保发; 高晓杰; 崔凯

doi:10.19421/j.cnki.1006-6357.2026.07.006

English Version Journal Login

您当前的位置：

首页 >

文章列表页 >

基于VAE-Koopman-Attention融合的台区分类感知负荷预测方法

更新时间：2026-07-13

- 基于VAE-Koopman-Attention融合的台区分类感知负荷预测方法
- Vol. 43, Issue 7, Pages: 59-69(2026)
- 作者机构：
  
  1. 国网河北省电力有限公司衡水供电分公司
  2. 天津相和电气科技有限公司
- 作者简介：
- 基金信息：
- DOI：10.19421/j.cnki.1006-6357.2026.07.006
  CLC： TM715;TP18
- Published：2026
- 稿件说明：
移动端阅览
杜宗伟, 杨海跃, 王泽宁, et al. 基于VAE-Koopman-Attention融合的台区分类感知负荷预测方法[J]. 2026, 43(7): 59-69.
DOI：

杜宗伟, 杨海跃, 王泽宁, et al. 基于VAE-Koopman-Attention融合的台区分类感知负荷预测方法[J]. 2026, 43(7): 59-69. DOI： 10.19421/j.cnki.1006-6357.2026.07.006.

摘要

电力负荷预测中，现有的负荷预测方法难以有效捕获不同台区类型间的负荷特征异质性，且对负荷-温度复杂耦合关系的建模能力不足，导致预测精度有限且缺乏不确定性量化机制。针对上述问题，提出一种融合变分自编码器（variational autoencoder

VAE）、Koopman算子理论和注意力机制的多模态台区分类感知负荷预测方法（VAE-Koopman-attention network

VKA-Net）。首先，构建基于双重潜在空间的特征提取架构，通过变分自编码器学习负荷数据的静态表征和概率分布特性，同时利用增强Koopman编码器提取负荷序列的动力学演化规律，实现静态模式识别与动态时序建模的有机解耦。其次，设计交叉注意力机制来对负荷与温度间的非线性耦合关系进行建模，通过将温度特征作为键值，负荷特征作为查询的注意力计算框架，实现多模态信息的深度融合。最后，提出台区分类感知的差异化预测策略，根据台区负荷特征将其划分为不同类型，并为各类型台区设计分支预测机制，突破传统同质化建模策略的局限性，同时基于变分推断框架实现预测不确定性的定量评估。通过实际多台区电力负荷数据的对比测试，证明了所提方法在预测精度、台区适应性和不确定性量化方面均显著优于现有基准方法，验证了该方法的有效性与实用性。

Abstract

关键词

Keywords

references

盛四清,金航,刘长荣.基于VMD-WSGRU的风电场发电功率中短期及短期预测[J].电网技术,2022(03).

杨国华,郑豪丰,张鸿皓,贾睿.基于Holt-Winters指数平滑和时间卷积网络的短期负荷预测[J].电力系统自动化,2022(06).

顾默,赵兵,陈昊.基于时间卷积网络与图注意力网络的分行业日售电量预测方法[J].电网技术,2022(04).

胡博,张鹏飞,黄恩泽,刘璟璐,徐健,邢作霞.基于图WaveNet的电动汽车充电负荷预测[J].电力系统自动化,2022(16).

邵必林,严义川,曾卉玢.注意力机制下的VMD-IDBiGRU负荷预测模型[J].电力系统及其自动化学报,2022(10).

唐贤伦,陈洪旭,熊德意,张艺琼,蒋维弛,邹密.基于极端梯度提升和时间卷积网络的短期电力负荷预测[J].高电压技术,2022(08).

臧海祥,许瑞琦,刘璟璇,陈玉伟,卫志农,孙国强.基于多维融合特征和卷积神经网络的多任务用户短期负荷预测[J].电力系统自动化,2023(13).

孔祥玉,马玉莹,艾芊,张曦元,李闯,肖白.新型电力系统多元用户的用电特征建模与用电负荷预测综述[J].电力系统自动化,2023(13).

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).

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).

王小君,窦嘉铭,刘曌,刘畅宇,蒲天骄,和敬涵.可解释人工智能在电力系统中的应用综述与展望[J].电力系统自动化,2024(04).

冉启武,张宇航.基于模态分解及GRU-XGBoost短期电力负荷预测[J].电网与清洁能源,2024(04).

赵紫昱,陈渊睿,陈霆威,刘俊峰,曾君.基于时空图注意力网络的超短期区域负荷预测[J].电力系统自动化,2024(12).

李延珍,王海鑫,杨子豪,陈哲,杨俊友.基于非侵入式负荷分解的家庭负荷两阶段超短期负荷预测模型[J].电工技术学报,2024(11).

郑婉婷,肖浩,裴玮.基于NGBoost和改进权重优化的区域分布式光伏概率功率预测[J].供用电,2024(07).

王印松,吕率豪.基于改进时间卷积网络的微电网超短期负荷预测[J].太阳能学报,2024(06).

曹帅,尹杰,李艺丰,石璐杉,赵玉林,丁超杰,周霞,刘贵宇.基于VMD-SSA-BiLSTM的多维时序电力负荷预测[J].电力需求侧管理,2024(06).

葛众,隆交凤,李健,解通.结合CNN与软共享机制的综合能源系统多元负荷预测[J].电力建设,2024(12).

高晨元,田建艳,姬政雄,杨立志.基于门控循环单元残差连接网络与多任务学习的园区综合能源系统多元负荷预测[J].电网技术,2025(05).

任禹丞,王玉珏,贾丰全,胡涵天.公共建筑空调负荷的自适应滑窗LSTM预测方法[J].电力需求侧管理,2024(05).

张恒,郑建勇,梅飞,徐睿麟.基于VMD和辅助任务学习的短期负荷预测方法[J].电力系统保护与控制,2025(05).

文贤馗,何明君,张俊玮,周科,蔡永翔,张凡.基于K均值聚类的光伏集群发电功率超短期预测研究[J].电力系统保护与控制,2025(12).

刘毅力,陈园园.基于RF特征提取和TCN-BiGRU模型的短期光伏发电功率预测[J].太阳能学报,2025(07).

吴艳娟,荣旺,郭玥,叶技松.基于SVMD-IDBO-KELM的短期光伏发电功率预测[J].太阳能学报,2025(06).

熊鹏飞,张赛,王宪军.基于波动特征提取的CNN-BiLSTM光伏功率短期预测[J].热能动力工程,2025(07).

乔天骄,陈昱丞,李子润,张雷,耿琳.基于注意力机制改进卷积神经网络的负荷预测研究[J].自动化与仪器仪表,2025(07).

李超,涂腾,彭勋辉,李振,晁梓博,刘淑玉.融合DT-BO-GRU的中长期光伏功率滚动预测模型[J].太阳能学报,2025(05).

李裕民,李宏杰,李晓嘉,曹媛媛,谢毅,张超.基于PowerTimeMixer模型的短期电力负荷预测方法[J].电网技术,2025(10).

孙悦,王啸宇.基于智能算法的电力系统负荷预测与调度优化研究[J].电工技术,2025(15).

史静,李冰洁,李泽森,胡晓燕,李琥.基于改进LSTM的电力系统多层级负荷预测方法研究[J].电力需求侧管理,2025(02).

丁伟锋,周震震,谢振华,肖耀辉,黄和燕,何森.基于时序卷积神经网络和纵横交叉算法的低压台区负荷预测[J].电力系统保护与控制,2025(21).

赵婉冰,杨强,陈源奕.基于分组交叉门控机制图卷积神经网络的源荷超短期功率联合预测方法[J].高电压技术,2026(02).

饶弘宇,陈馨,陈胜,夏天,沈力,吕广强.基于改进鲸鱼算法的Bi-LSTM电力负荷预测[J].计算机与现代化,2025(07).

左宇,秦大林,杜尔顺,苏运,张宁,王毅.交互式负荷预测：研究框架与展望[J].中国电机工程学报,2026(06).

张益鸣,张一竞,杨子阳,李佳,钱晶.结合增量学习和大猩猩优化算法的GVMD-TSNE-TCN-LSTM~(re)光伏发电功率短期预测方法[J].太阳能学报,2025(07).

罗同桐,唐志远,唐義坤,刘俊勇.基于时间卷积网络与迁移学习的短期负荷预测[J].现代电力,2026(03).

杨正华,许鹏.基于大数据分析的新型智慧电站负荷预测[J].电工技术,2025(16).

刘立,徐银凤,谭福元,邹海,辜海缤,赵文川,夏梦.基于PKO-TCN-GRU-Attention的短期电力负荷预测[J].电工技术,2025(16).

Views

下载量

CSCD

Alert me when the article has been cited

提交

Tools

Publicity Resources

面向复杂场景拓展的非侵入式负荷监测技术综述

基于二次模态分解和DA-iTransformer的极端天气短期风电功率预测

基于小波卷积神经网络的配电网互感器监测预测方法

基于计算机视觉模型的配电网单相接地故障区段免阈值智能定位方法

基于源荷时序耦合特征提取的短期负荷预测

Related Author

黎翔

刘清灵

王守相

要若天

田发扬

郭陆阳

庞丽

薛一鹏

Related Institution

广东电网有限责任公司广州供电局

南方电网科学研究院有限责任公司

智能配用电装备与系统全国重点实验室(天津大学)

衢州学院电气与信息工程学院

山东科技大学电气与自动化工程学院

AI问答

⁰