基于时间卷积网络分位数回归的短期负荷概率密度预测方法

被引：95

作者：

庞昊 ^{[1
]}

高金峰 ^{[1
]}

杜耀恒 ^{[2
]}

机构：

[1] 郑州大学电气工程学院

[2] 国家电网山东省电力公司烟台市供电公司

来源：

电网技术 | 2020年 / 44卷 / 04期

关键词：

短期负荷预测; 概率密度; 分位数回归; 距离相关系数; 时间卷积网络; 注意力机制;

D O I：

暂无

中图分类号：

TM715 [电力系统规划]; TP18 [人工智能理论];

学科分类号：

080802 [电力系统及其自动化]; 140502 [人工智能];

摘要：

为了获得电力系统短期负荷的概率性信息,将分位数回归理论与深度学习算法相结合,提出了一种基于时间卷积网络分位数回归的概率密度预测方法。首先利用距离相关系数衡量不同天气因素与短期负荷的相关性强弱,以此确定输入数据集合;其次通过融合注意力机制的时间卷积网络分位数回归算法预测不同分位数条件下的负荷值;最后利用核密度估计得到待测负荷的概率密度分布。采用中国华东某地的历史负荷数据验证分析,结果表明该方法可以细致刻画待测负荷的概率密度分布,其众数和中位数对预测负荷实际值具有参考意义。

引用

收藏

页码：1343 / 1350

页数：8

相关论文

共 16 条

[1]

基于相关性分析和长短期记忆网络分位数回归的短期公共楼宇负荷概率密度预测 [J].

杨秀 ;

陈斌超 ;

朱兰 ;

方陈 .

电网技术, 2019, 43 (09) :3061-3071

[2]

计及湍流强度的风电功率短期预测 [J].

黄睿 ;

杜文娟 ;

王海风 .

电网技术, 2019, 43 (06) :1907-1914

[3]

基于CNN-LSTM混合神经网络模型的短期负荷预测方法 [J].

陆继翔 ;

张琪培 ;

杨志宏 ;

涂孟夫 ;

陆进军 ;

彭晖 .

电力系统自动化, 2019, 43 (08) :131-137

[4]

电力市场中基于Attention-LSTM的短期负荷预测模型 [J].

彭文 ;

王金睿 ;

尹山青 .

电网技术, 2019, 43 (05) :1745-1751

[5]

基于长短期记忆的实时电价条件下智能电网短期负荷预测 [J].

李鹏 ;

何帅 ;

韩鹏飞 ;

郑苗苗 ;

黄敏 ;

孙健 .

电网技术, 2018, 42 (12) :4045-4052

[6]

基于深度学习分位数回归模型的风电功率概率密度预测 [J].

李彬 ;

彭曙蓉 ;

彭君哲 ;

黄士峻 ;

郑国栋 .

电力自动化设备, 2018, 38 (09) :15-20

[7]

基于EWT和分位数回归森林的短期风电功率概率密度预测 [J].

孙国强 ;

梁智 ;

俞娜燕 ;

倪晓宇 ;

卫志农 ;

臧海祥 ;

周亦洲 .

电力自动化设备 , 2018, (08) :158-165

[8]

基于改进高斯过程回归模型的短期负荷区间预测 [J].

宗文婷 ;

卫志农 ;

孙国强 ;

李慧杰 ;

CHEUNG Kwok W ;

孙永辉 .

电力系统及其自动化学报, 2017, 29 (08) :22-28

[9]

基于Epanechnikov核与最优窗宽组合的中期电力负荷概率密度预测方法 [J].

何耀耀 ;

闻才喜 ;

许启发 .

电力自动化设备, 2016, 36 (11) :120-126

[10]

基于实时电价与支持向量分位数回归的短期电力负荷概率密度预测方法 [J].

何耀耀 ;

刘瑞 ;

撖奥洋 .

中国电机工程学报, 2017, 37 (03) :768-776