基于时序迁移学习的含分布式光伏用户集群需求响应能力预测方法

徐飞; 崔威; 王艺峰; 崔晓; 朱恩山; 郝玲

doi:10.26945/j.cnki.1001-9898.2026.02.001

欢迎来到能源电力期刊网！

English Version 期刊登录

您当前的位置：

首页 >

文章列表页 >

基于时序迁移学习的含分布式光伏用户集群需求响应能力预测方法

电网运行技术 | 更新时间：2026-07-18

- 基于时序迁移学习的含分布式光伏用户集群需求响应能力预测方法
- 基于时序迁移学习的含分布式光伏用户集群需求响应能力预测方法
- 电力能源技术 2026年45卷第2期页码：1-8
- 作者机构：
  
  1. 清华大学新型电力系统运行与控制全国重点实验室
  2. 国网河北省电力有限公司
  3. 国网河北省电力有限公司衡水供电分公司
- 作者简介：
- 基金信息：
- DOI：10.26945/j.cnki.1001-9898.2026.02.001
  中图分类号： TM615;TP18
- 纸质出版：2026
- 稿件说明：
移动端阅览
徐飞, 崔威, 王艺峰, 等. 基于时序迁移学习的含分布式光伏用户集群需求响应能力预测方法[J]. 电力能源技术, 2026,45(2):1-8.

徐飞, 崔威, 王艺峰, et al. 基于时序迁移学习的含分布式光伏用户集群需求响应能力预测方法[J]. 2026, 45(2): 1-8.
徐飞, 崔威, 王艺峰, 等. 基于时序迁移学习的含分布式光伏用户集群需求响应能力预测方法[J]. 电力能源技术, 2026,45(2):1-8. DOI： 10.26945/j.cnki.1001-9898.2026.02.001.

徐飞, 崔威, 王艺峰, et al. 基于时序迁移学习的含分布式光伏用户集群需求响应能力预测方法[J]. 2026, 45(2): 1-8. DOI： 10.26945/j.cnki.1001-9898.2026.02.001.

摘要

大规模分布式光伏接入后，特别是一些表后光伏，与用户实际用电负荷耦合在一起，显著改变了用户的需求响应(demand response

DR)能力特性，使得仅依赖历史数据训练的模型难以适应未来DR能力预测的需求，从而导致现有方法因泛化能力不足而表现不佳。为此，提出了一种基于时序迁移学习的含分布式光伏用户集群DR能力预测方法。首先，采用基于预测驱动的方法对影响DR能力的多元特征进行筛选；其次，针对DR能力序列复杂的变化模式，将其下采样为不同分辨率的时间序列，并在各分辨率下进行域划分，以更直观地刻画不同时间尺度下DR能力的分布变化特性；最后，基于Timemixer模型，提出了一种时序迁移学习算法，通过时序域对抗学习提取跨域之间的时序不变特征，并融合不同时间尺度的信息，从而优化DR能力预测建模。仿真实验结果表明，相较于传统的LSTM预测模型，均方根误差降低了3.32%

平均绝对误差降低了3.26%。研究成果可为电网调度运行工作提供指导。

Abstract

关键词

Keywords

references

Nian Victor,Mignacca Benito,Locatelli Giorgio.Policies toward net-zero: Benchmarking the economic competitiveness of nuclear against wind and solar energy[J].Applied Energy,2022.

Song Zhaofang,Shi Jing,Li Shujian,Chen Zexu,Jiao Fengshun,Yang Wangwang,Zhang Zitong.Data-driven and physical model-based evaluation method for the achievable demand response potential of residential consumers' air conditioning loads[J].Applied Energy,2022.

Ning Qi,Lin Cheng,Helin Xu,Kuihua Wu,XuLiang Li,Yanshuo Wang,Rui Liu.Smart meter data-driven evaluation of operational demand response potential of residential air conditioning loads[J].Applied Energy,2020.

Qi Ning,Cheng Lin,Xu Helin,Wang Zihan,Zhou Xuyan.Practical demand response potential evaluation of air-conditioning loads for aggregated customers[J].Energy Reports,2020.

Sinno Jialin Pan,Qiang Yang 0001.A Survey on Transfer Learning.[J].IEEE Trans. Knowl. Data Eng.,2010.

邵韵霏,范帅,郏琨琪,黄艺璇,何光宇.基于负荷准线的用户需求响应潜力评估[J].电力系统自动化,2024(24).

张一,李文杰,吴魁,陈禹,张云波.含多可控资源的低碳园区自动需求响应优化方法[J].广东电力,2023(11).

王飞,李美颐,张旭东,陈宋宋,李康平,姚良忠,王俊龙.需求响应资源潜力评估方法、应用及展望[J].电力系统自动化,2023(21).

朱怡莹,周荣生,罗龙波.考虑需求响应与光伏不确定性的电力系统经济调度[J].太阳能学报,2023(01).

陈璨,樊小伟,张文浩,邵尹池,赵鹏杰,王枭枭,马原,吴俊勇.促进分布式光伏消纳的两阶段源网荷储互动优化运行策略[J].电网技术,2022(10).

申洪涛,刘宝铭,任鹏,张洋瑞,张超,赵俊鹏,王飞.基于辨识解耦的含高渗透分布式光伏用户集群基线负荷估计方法[J].电力系统保护与控制,2022(03).

林琳,高雪,甄钊.居民用户的需求响应基线负荷估计[J].电气自动化,2022(01).

孔祥玉,刘超,王成山,李思维,陈宋宋.基于深度子领域自适应的需求响应潜力评估方法[J].中国电机工程学报,2022(16).

胡俊杰,周华嫣然,周羿宏,张海婧,Lars Nordstr?md,杨光亚.基于深度学习技术的集群电动汽车及家庭热水系统灵活性预测[J].Engineering,2021(08).

杨梓俊,丁小叶,陆晓,张卫国,李雪明,荆江平,高赐威.面向需求响应的变频空调负荷建模与运行控制[J].电力系统保护与控制,2021(15).

韩啸,张潮海.基于物理-数据融合的楼宇用电需求响应潜力分析[J].供用电,2020(08).

陈敏,高赐威,陈宋宋,李德智,刘强.考虑数据中心用电负荷调节潜力的双层经济调度模型[J].中国电机工程学报,2019(05).

李亚平,姚建国,雍太有,鞠平,杨胜春,时欣利.居民温控负荷聚合功率及响应潜力评估方法研究[J].中国电机工程学报,2017(19).

曾博,杨雍琦,段金辉,曾鸣,欧阳邵杰,李晨.新能源电力系统中需求侧响应关键问题及未来研究展望[J].电力系统自动化,2015(17).

浏览量

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

基于xLSTM-BNN的分布式光伏出力概率预测

计及分布式光伏分布特性的配电网可开放容量评估

高渗透率分布式光伏接入对配电网的影响

考虑出力不确定性的分布式光伏选址定容方法

基于回归算法修正的分布式光伏弃限电量统计方法