基于深度学习的综合能源配电系统负荷分析预测

作者：罗凤章^*; 张旭; 杨欣; 姚良忠; 朱凌志; 钱敏慧

来源：高电压技术, 2021, 47(01): 23-32.

DOI：10.13336/j.1003-6520.hve.20201477

• 综合能源配电系统
• 负荷预测
• 深度学习
• 卷积神经网络
• 支持向量机
• 相关性分析

为支撑综合能源配电系统的经济调度和优化运行,提出了一种基于深度学习的冷热电多元负荷综合预测方法。首先,使用皮尔逊系数定量计算多元负荷间的相关关系,分析负荷与影响因素间相关性;然后,构建基于卷积神经网络和支持向量回归的深度学习模型,其中卷积神经网络作为特征提取器从输入数据中提取隐含的更具代表性的特征信息,支持向量回归作为预测模型输出预测结果,同时开展缺失数据与离群数据的预处理;最后,应用某综合能源系统的实际数据对算法的有效性进行了验证,比较分析了考虑多元负荷相关性对预测结果的影响。结果表明:所提出的RCNN-SVR模型对冷、热、电负荷均有较好的预测精度。研究成果可为综合能源配电系统的综合负荷预测提供参考。

• 单位
  天津大学; 中国电力科学研究院有限公司; 武汉大学; 自动化学院; 智能电网教育部重点实验室