10.19421/j.cnki.1006-6357.2024.01.012
基于宽度学习的新型电力系统负荷多步预测方法
随着能源需求的增加和新型电力系统复杂性的提高,负荷的非平稳性、混沌性和非线性特征凸显.为了应对上述问题对负荷精准预测的挑战,提出一种基于多模态动态潜变量宽度学习系统的负荷多步预测方法.首先,根据负荷的非平稳特征,采用变分模态分解算法将原始负荷序列分解为多个相对平稳的模态分量,以减少非平稳性对预测的干扰.其次,针对负荷的混沌特征,基于模态分解结果,提出了一种基于动态潜变量建模的动态相空间重构方法,在相空间中提取负荷序列的动态演变趋势.最后,根据负荷的非线性特征,通过宽度学习系统挖掘并揭示负荷序列在相空间中的动态演变趋势,以完成负荷的多步预测任务.工程实际案例分析表明,提出的预测方法具有高精度的负荷预测能力.
负荷预测、变分模态分解、动态潜变量建模、宽学习系统、相空间重构、混沌时间序列
41
TM715(输配电工程、电力网及电力系统)
2024-01-17(万方平台首次上网日期,不代表论文的发表时间)
共9页
100-108