基于PSR和DBN的超短期母线净负荷预测

• 作者: 张宸宇 梅飞 石天 郑建勇 陆继翔 陆进军
• 来源期刊: 电力工程技术
• 学科: 工学
• 关键词: 负荷预测 母线净荷预测 深度信念网络 相空间重构 深度学习
• 年，卷（期）: 2020,（1）
• 所属期刊栏目: 技术探讨
• 页码范围: 178-183
• 页数: 6页
• 分类号: TM910.6
• 字数: 4251字
• 语种: 中文
• DOI: 10.12158/j.2096-3203.2020.01.025

摘要

随着电网优化调度的精细化、智能化和计及电力系统安全性与经济性的电网高级应用的广泛采用及分布式能源的大量接入,母线负荷预测的精度要求不断提高而负荷的不确定性和非线性特征进一步增强.针对上述问题,文中提出一种基于相空间重构(PSR)和深度信念网络(DBN)的超短期母线负荷预测模型,首先采用C-C法对净负荷时间序列进行PSR,然后利用DBN对重构后的数据进行拟合并得出负荷的预测值.文中利用某市变电站实测负荷数据检验了该超短期母线负荷预测模型的有效性,证明该模型在分布式电源渗透率较高且母线负荷波动较大的情况下仍然有较高的预测精度.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	郑建勇	东南大学电气工程学院	272	4359	35.0	50.0
2	张宸宇	国网江苏省电力有限公司电力科学研究院	35	108	6.0	9.0
3	梅飞	河海大学能源与电气学院	22	105	5.0	9.0
4	石天	东南大学电气工程学院	5	1	1.0	1.0
5	陆继翔	南瑞集团有限公司智能电网保护和运行控制国家重点实验室	2	2	1.0	1.0
6	陆进军	南瑞集团有限公司智能电网保护和运行控制国家重点实验室	2	13	1.0	2.0