基于多源异构数据融合的短期电力负荷预测

摘要：

为解决多源异构数据集成的难题,设计包含数据集成、数据空间、数据演化、数据输出四个组件的短期电力负荷预测数据空间框架.为了建立多源异构数据与短期电力负荷的复杂变化因果关系,提出一种基于Gabor-LSTM-XGboost两阶段预测模型.第一阶段,构建基于Gabor云图特征提取及编码模型,将非结构化云图进行幅值特征级增强并进行编码融合.第二阶段,建立LSTM-XGBoost预测模型,将综合气象数据、历史负荷数据、日类型数据进行拼接后形成的长序列作为预测模型的输入,引入XGBoost增加正则化,进一步提高模型的鲁棒性.算例结果表明,所提出的模型能够较好地挖掘云图气象数据,有效提升短期电力负荷预测精度,特别是突变天气下的负荷预测精度.

关键词：数据空间、负荷预测、异构气象因素、过滤器、长短期记忆神经网络、极限梯度提升

所属期刊栏目：40

分类号：TM743;TP391.9(输配电工程、电力网及电力系统)

资助基金：国家重点研发计划;国家自然科学基金

在线出版日期：2023-11-02（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：59-65