考虑天气特征与多变量相关性的配电网短期负荷预测

针对配电网短期负荷预测受到众多复杂天气特征等随机不确定性因素影响,以及传统预测模型难以有效分析不同特征序列之间的相关性等问题,提出一种考虑天气特征与多变量相关性的配电网短期负荷预测方法.首先,提出多变量快速最大信息系数(multi-variable rapid maximal information coefficient,MVRapidMIC)提取相关性高的天气特征序列.其次,引入探索性因子分析法(exploratory factor analysis,EFA),对高相关性特征序列进行降维处理.最后,将维度分段(dimension-segment-wise,DSW)机制和两阶段注意力(two...

Full description

Saved in:
Bibliographic Details
Published in电力系统保护与控制 Vol. 52; no. 6; pp. 131 - 141
Main Authors 于越, 葛磊蛟, 金朝阳, 王玥, 丁磊
Format Journal Article
LanguageChinese
Published 电网智能化调度与控制教育部重点实验室(山东大学),山东 济南 250061%智能电网教育部重点实验室(天津大学),天津 300072 16.03.2024
Subjects
short-term electricity load forecasting
weather features
天气特征
最大信息系数
distribution network
配电网
maximal information coefficient
Informer framework
短期负荷预测
Informer框架
Online AccessGet full text
ISSN1674-3415
DOI10.19783/j.cnki.pspc.231329

Cover

More Information
Summary:针对配电网短期负荷预测受到众多复杂天气特征等随机不确定性因素影响,以及传统预测模型难以有效分析不同特征序列之间的相关性等问题,提出一种考虑天气特征与多变量相关性的配电网短期负荷预测方法.首先,提出多变量快速最大信息系数(multi-variable rapid maximal information coefficient,MVRapidMIC)提取相关性高的天气特征序列.其次,引入探索性因子分析法(exploratory factor analysis,EFA),对高相关性特征序列进行降维处理.最后,将维度分段(dimension-segment-wise,DSW)机制和两阶段注意力(two-stage attention,TSA)机制与Informer模型结合,提高预测模型对不同特征序列相关性的分析能力.通过DTU 7K 47节点实际配电网的历史负荷数据开展仿真测试,验证所提方法的预测精度、鲁棒性和时效性.
ISSN:1674-3415
DOI:10.19783/j.cnki.pspc.231329