10.13335/j.1000-3673.pst.2021.1156
区域级电力负荷数据特性研究与短期预测
为提高区域级负荷预测的精准度,通过对电力负荷数据特性的研究,建立了基于Attention机制的GRU(gate recurrent unit)与Catboost(gradient boosting and categorical features)混合预测模型.利用低层次信息(智能电表数据)建模去解决高层次(区域级负荷)问题,提高了模型的预测精准度.结合MAPE-RW(mean absolute percentage error-reciprocal weight)算法将模型融合并搜索最佳权重,构建了最佳混合预测模型.该思想框架在澳大利亚实际住宅智能电表数据上进行了测试,并使用不同的基准与方法对模型性能进行了比较.结果表明,所提出的针对区域级不同时段负荷的预测模型具有较强的兼容性,且预测精度最高达到95.56%.
负荷预测、数据分析、区域级、混合模型、智能电表数据
46
TM715(输配电工程、电力网及电力系统)
国家自然科学基金;陕西理工大学研究生创新基金项目
2022-03-18(万方平台首次上网日期,不代表论文的发表时间)
共8页
1092-1099