基于耦合关系挖掘及渐进式分层提取多任务学习网络的风-光-荷短期预测

作者：张大海^*; 孙锴; 倪平浩

来源：电网技术, 2023, 47(09): 3537-3547.

DOI：10.13335/j.1000-3673.pst.2022.1492

• 风–光–荷
• 短期预测
• 耦合
• 渐进式分层提取网络
• 多任务学习

为应对可再生能源并网增加造成电力系统不确定性程度加深的情况，以风–光–荷为研究对象，提出了一种基于耦合特性挖掘及渐进式分层提取(progressive layered extraction,PLE)多任务学习(multi-task learning,MTL)的风–光–荷短期预测方法。首先，基于风–光–荷3种预测对象之间的关联关系，对非线性耦合关系进行提取；然后，以基于PLE的MTL神经网络作为预测算法对预测对象间的耦合关系进行进一步表示；最后，以西班牙地区实际采集的风–光–荷数据为例，将所提模型与不同模型的预测结果进行对比分析。实验结果表明，提出的模型具有更高的预测准确性。

• 单位
  北京交通大学