“人工智能+”时代下的智能电网预测分析

被引：41

作者：

吴倩红

韩蓓

冯琳

李国杰

江秀臣

机构：

[1] 上海交通大学电力传输与功率变换控制教育部重点实验室

来源：

上海交通大学学报 | 2018年 / 52卷 / 10期

关键词：

智能电网; “人工智能+”预测; 数据样本产生; 不平衡样本; 特征提取;

D O I：

暂无

中图分类号：

TP18 [人工智能理论]; TM76 [电力系统的自动化];

学科分类号：

080802 [电力系统及其自动化]; 140502 [人工智能];

摘要：

智能电网预测分析是保证智能电网经济、安全运行的基础.借助人工智能的突破性技术以及智能电网的大数据环境,实现基于人工智能的智能电网预测分析对电力系统发展具有重大意义,为此提出了"人工智能+"预测.首先介绍了人工智能与智能电网预测分析的背景及所涉及的问题;然后根据应用的不同侧重点,展开人工智能在新能源预测、负荷预测、静态电压稳定预测及其相关预防性措施三个方面的研究综述及研究展望,并对预测中所涉及的其他相关技术(数据样本产生、不平衡样本、特征提取)进行了总结;最后对人工智能局限性及发展进行了讨论,并提出了一些建议与设想.

引用

页码：1206 / 1219+1266 +1266

页数：15

共 34 条

[1]

针对含有概念漂移问题的增量学习算法研究 [D].

孙宇 .

中国科学技术大学,

2017

[2]

基于高斯混合模型的变分自动编码器 [D].

李鹏 .

哈尔滨工业大学,

2017

[3]

基于深层堆叠网络的脑电信号特征提取及识别 [D].

张娜 .

重庆邮电大学,

2017

[4]

Artificial intelligence techniques and their applications in drilling fluid engineering: A review.[J].Okorie E. Agwu;Julius U. Akpabio;Sunday B. Alabi;Adewale Dosunmu.Journal of Petroleum Science and Engineering.2018,

[5]

An efficient deep model for day-ahead electricity load forecasting with stacked denoising auto-encoders.[J].Chao Tong;Jun Li;Chao Lang;Fanxin Kong;Jianwei Niu;Joel J.P.C. Rodrigues.Journal of Parallel and Distributed Computing.2018,

[6]

Reinforcement Learning Applied to an Electric Water Heater: From Theory to Practice [J].

Ruelens, F. ;

Claessens, B. J. ;

Quaiyum, S. ;

De Schutter, B. ;

Babuska, R. ;

Belmans, R. .

IEEE TRANSACTIONS ON SMART GRID, 2018, 9 (04) :3792-3800

[7]

How renewable production depresses electricity prices: Evidence from the German market.[J].Cyril Martin de Lagarde;Frédéric Lantz.Energy Policy.2018,

[8]

Deterministic and probabilistic forecasting of photovoltaic power based on deep convolutional neural network.[J].Huaizhi Wang;Haiyan Yi;Jianchun Peng;Guibin Wang;Yitao Liu;Hui Jiang;Wenxin Liu.Energy Conversion and Management.2017,

[9]

New Metrics for Evaluating Technical Benefits and Risks of DGs Increasing Penetration [J].