深度学习在电力系统预测中的应用

摘要：

电力系统预测主要包括负荷预测、出力预测以及健康状态预测等.通过负荷预测,可以优化电力生产规划,从而更好地实现电能的精细化分配;通过出力预测,可以有效提升新能源电力消纳能力,实现电能的充分及合理利用;通过电力设备健康状态预测,可以及时发现设备运行隐患,从而进一步保障电力系统平稳安全运行.深度学习凭借其卓越的特征分析和预测能力,被广泛应用于电力系统运行及维护.本文首先归纳介绍了电力系统预测深度学习模型的特点、适用场景;其次,梳理了深度学习在面向民用及工业场景负荷预测、光伏及风电出力预测、机械及非机械设备健康状态预测中的应用前沿;最后,对深度学习在电力系统预测中所面临的关键问题、发展趋势进行了总结和展望.

关键词：电力系统、深度学习、负荷预测、出力预测、健康状态预测

所属期刊栏目：45

分类号：TP18(自动化基础理论)

资助基金：国家自然科学基金;航空科学基金资助项目;中央高校基本科研业务费资助项目

在线出版日期：2023-01-09（万方平台首次上网日期，不代表论文的发表时间）

页数：共10页

页码：663-672