科研之友
微信
新浪微博
Facebook
分享链接
摘要
随着极端天气频发，温度敏感负荷用电逐年攀升，温度敏感性负荷作为虚拟电厂优质的调控资源，亟须分析气象变化对于此类负荷的影响，由于叠加极端高温、大规模寒潮等异常天气的影响，温度敏性感负荷波动剧烈，常规分析预测方法难以适应极端气象场景。针对寒潮天气下温度敏感性负荷样本数据及预测精度不足的问题，提出寒潮天气小样本条件下的温度敏感性负荷日最大负荷预测方法。该方法采用时序对抗生成网络（TimeGAN）扩充寒潮期间小样本数据，随后采用卷积-长短时记忆神经网络（CNN-LSTM）对寒潮期间的日最大负荷进行预测。以国内某省近两年迎峰度冬期间数据进行模型验证，结果表明所提模型优于其他模型的预测结果，在验证集上日最大负荷的预测精度为99.5%。
-
单位华北电力大学; 国家电网有限公司; 电子工程学院; 中国电力科学研究院有限公司
