科研之友
微信
新浪微博
Facebook
分享链接
摘要
电力负荷的短期预测可以合理地确定机组运行方式，安排日调度计划，提高计量精准度，对实现系统功率平衡和保障系统的安全经济运行具有重要意义。在利用神经网络进行负荷短期预测时，若训练数据不足，模型的学习能力会大大降低。同时，由于电力负荷数据存在小时周期、日周期、周周期、季节周期特性，常规神经网络训练模型无法反映负荷的不同周期特性，对预测结果的准确性也会造成一定的影响。为此，首先提出一种数据增强方法，有效解决电力负荷预测中训练数据不足的问题。其次，针对负荷的周期性特征，进一步提出使用不同周期特征的并联时序卷积神经网络模型的融合方案，有效反映负荷数据的多周期特征，从而提升电力负荷短期预测的准确度。通过对某地市不同电压等级线路负荷数据的建模和训练，验证所提方法在短期预测方面的有效性和优越性。
