基于分布式优化思想的配电网用电负荷多层协同预测方法

• 作者: 谭嘉 李知艺 杨欢 赵荣祥 鞠平
• 来源期刊: 上海交通大学学报
• 学科: 工学
• 关键词: 多层负荷预测 交替方向乘子法 长短期记忆神经网络 联邦学习
• 年，卷（期）: 2021,（12）
• 页码范围: 1544-1553
• 页数: 10页
• 分类号: TM715
• 语种: 中文
• DOI: 10.16183/j.cnki.jsjtu.2021.296

摘要

当前,分布式新能源、电动汽车等新元素在配电网中涌现,改变了负荷的构成,丰富了负荷的内涵,给负荷预测带来了严峻挑战.事实上,用电负荷在配电网的多个电压层级以自下而上的方式聚合,但现有预测研究鲜少考虑此类层级化特征.为保障负荷自下而上的聚合一致性并且联合提升各层级的负荷预测性能,提出了一种基于分布式优化算法的用电负荷多层协同预测方法.首先,采用基于交替方向乘子法的分布式优化理念,构建了适配配电网层级特征、数据交互量少的多层协同预测框架.随后,提出了基于长短期记忆神经网络和联邦学习的具体预测方法,通过将底层负荷预测结果逐级聚合,能实现自下而上的配电网负荷一体化预测.算例结果表明,所提方法得到的用电负荷预测准确度高,应用前景好.