基于LSTM自动编码器的电力负荷聚类建模及特性分析

• 作者: 余建明 冯长有 刘艳 庞传军 江叶峰
• 来源期刊: 电力系统自动化
• 关键词: 负荷聚类 负荷特征 长短期记忆 自动编码器
• 年，卷（期）: 2020,（23）
• 所属期刊栏目: 学术研究
• 页码范围: 57-63
• 页数: 7页
• 语种: 中文
• DOI: 10.7500/AEPS20200222005

摘要

电力系统负荷聚类和特性分析对电网的安全与经济调度、运行具有重要意义,是提升调度人员对电网感知能力的重要技术手段.为了解决传统负荷聚类方法需要人工设定负荷特征指标和无法考虑负荷时序特性等问题,提出了一种由长短期记忆(LSTM)自动编码器构成的负荷聚类方法.利用LSTM的时序记忆能力和自动编码器的非线性特征提取能力,实现了考虑负荷时序特性的自动特征提取和非线性降维.然后,基于提取的负荷特征采用k-means聚类算法进行电力负荷聚类分析.最后,采用实际供电区域的负荷数据进行验证,并对负荷特性进行详细的分析.结果表明所提方法与其他负荷特征提取方法相比,有较好的负荷聚类效果.