基于余弦相似度和图卷积网络的电力负荷预测方法

针对现有电力负荷预测模型难以深入提取时空关联特征,模型泛化能力弱,无法同时胜任短期和长期的电力负荷预测的问题,提出一种面向多用户的基于余弦相似度和全局-局部协同图卷积网络的电力负荷预测方法.首先,利用余弦相似度来学习不同节点负荷数据之间的相似模式,以提取深层次的时空关联特征.其次,对影响电力负荷变化趋势的静态全局因素和动态局部因素进行协同建模,以提升模型的泛化能力.最后,通过在一个实测数据集上进行的大量实验,验证了该方法在短期和长期负荷序列预测任务中同时具备有效性和稳定性....

Full description

Saved in:
Bibliographic Details
Published in浙江电力 Vol. 44; no. 1; pp. 68 - 75
Main Authors JI Shan, 姜巍, 景鑫
Format Journal Article
LanguageChinese
Published 杭州迈拓大数据服务有限公司,杭州 310007%国网浙江省电力有限公司科技创新中心,杭州 310007 25.01.2025
Subjects
graph convo-lutional
时空关联特征
multi-node power load forecasting
余弦相似度
多节点电力负荷预测
图卷积
spatiotemporal correlation features
cosine similarity
Online AccessGet full text
ISSN1007-1881
DOI10.19585/j.zjdl.202501007

Cover

More Information
Summary:针对现有电力负荷预测模型难以深入提取时空关联特征,模型泛化能力弱,无法同时胜任短期和长期的电力负荷预测的问题,提出一种面向多用户的基于余弦相似度和全局-局部协同图卷积网络的电力负荷预测方法.首先,利用余弦相似度来学习不同节点负荷数据之间的相似模式,以提取深层次的时空关联特征.其次,对影响电力负荷变化趋势的静态全局因素和动态局部因素进行协同建模,以提升模型的泛化能力.最后,通过在一个实测数据集上进行的大量实验,验证了该方法在短期和长期负荷序列预测任务中同时具备有效性和稳定性.
ISSN:1007-1881
DOI:10.19585/j.zjdl.202501007