1. 东南大学电气工程学院
2. 东南大学网络空间安全学院
3. 国家电网有限公司华东分部
纸质出版:2026
移动端阅览
王蓓蓓, 丁正凯, 朱竞, 等. 计算任务分摊的个性化云边协同支撑单用户负荷概率预测方法研究[J]. 电网技术, 2026,50(6):2302-2317.
王蓓蓓, 丁正凯, 朱竞, et al. 计算任务分摊的个性化云边协同支撑单用户负荷概率预测方法研究[J]. 2026, 50(6): 2302-2317.
王蓓蓓, 丁正凯, 朱竞, 等. 计算任务分摊的个性化云边协同支撑单用户负荷概率预测方法研究[J]. 电网技术, 2026,50(6):2302-2317. DOI: 10.13335/j.1000-3673.pst.2025.1525.
王蓓蓓, 丁正凯, 朱竞, et al. 计算任务分摊的个性化云边协同支撑单用户负荷概率预测方法研究[J]. 2026, 50(6): 2302-2317. DOI: 10.13335/j.1000-3673.pst.2025.1525.
“双碳”目标下,分布式新能源大量接入、负荷主动响应与双向互动愈加频繁,新能源出力与用户行为随机性增大,传统确定性负荷预测已难适用且存在隐私风险。为此,该文提出一种面向分布式新能源以及隐私保护场景、兼顾计算任务分摊的个性化云边协同支撑用户级负荷概率预测方法:云侧利用历史用户数据构建规律性辨识聚类模型,并结合边侧提取的用电规律性特征,在不暴露双方敏感数据信息前提下,基于安全多方计算实现规律性安全辨识并差异化下发相应的概率预测模型;边缘侧在本地提取日用电模式与时段场景特征,依据用户规律性自适应选取输入,完成云端派发模型的本地训练与预测。算例结果表明,所提方法在负荷概率预测方面具有良好的有效性与稳定性,相较于传统方法,在隐私保护与计算资源占用方面表现更优,并在模型准确性与预测效率之间实现权衡,具备良好的工程可扩展性。
林俐,许冰倩,王皓怀.典型分布式发电市场化交易机制分析与建议[J].电力系统自动化,2019(04).
彭曙蓉,黄士峻,李彬,郑国栋,张恒.基于深度学习分位数回归模型的充电桩负荷预测[J].电力系统保护与控制,2020(02).
许佳辉,王向文,杨俊杰.基于CNN-QRLightGBM的短期负荷概率密度预测[J].电网技术,2020(09).
李丹,张远航,杨保华,王奇.基于约束并行LSTM分位数回归的短期电力负荷概率预测方法[J].电网技术,2021(04).
顾洁,孟璐,郑睿程,金之俭.考虑集群辨识的海量用户负荷分层概率预测[J].电力系统自动化,2021(05).
万灿,崔文康,宋永华.新能源电力系统概率预测:基本概念与数学原理[J].中国电机工程学报,2021(19).
马钊,张恒旭,赵浩然,王梦雪,孙媛媛,孙凯祺.双碳目标下配用电系统的新使命和新挑战[J].中国电机工程学报,2022(19).
章超波,刘永政,李宏波,赵阳,张丽珠,王子豪.基于加权残差聚类的建筑负荷预测区间估计[J].浙江大学学报(工学版),2022(05).
王蓓蓓,朱竞,王嘉乐,马琎劼.电表数据隐私保护下的联邦学习行业电力负荷预测框架[J].电力系统自动化,2023(13).
孙玲玲,李海滨,贾清泉,张弓,王美娟.面向用户侧分布式光伏资源集群开发的博弈策略[J].电力系统自动化,2023(10).
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).
王瑞临,赵健,孙智卿,宣羿.考虑数据分布偏移的短期居民净负荷预测方法[J].电力建设,2024(02).
臧海祥,陈玉伟,程礼临,朱克东,张越,孙国强,卫志农.基于多尺度分量特征学习的用户级超短期负荷预测[J].电网技术,2024(06).
赵洪山,吴雨晨,潘思潮,温开云.基于TCN和高斯过程残差建模学习的净负荷概率预测方法[J].太阳能学报,2024(12).
刘栋,郭国栋,辛蜀骏,毛志航,黄津钜,孙英云.基于KAN的可解释净负荷概率预测方法[J].电力系统自动化,2025(15).
梁睿,金沫含,朱慧君,张鹏,冯子瑜,王琛,卢巍.基于多场景聚类和可解释时间融合Transformer网络的乡村地区净负荷区间预测[J].电网技术,2025(12).
0
浏览量
94
下载量
CSCD
关联资源
相关文章
相关作者
相关机构