文档摘要：目前,空间负荷预测研究对复杂时空关系的考虑不足.为此,文中提出一种基于多维、多源特征的区域级负荷超短期时空预测模型.首先,根据已有的区域级负荷进行元胞划分,构建考虑元胞相关性的图拓扑.其次,分别通过图注意力网络、一维卷积神经网络和门控循环单元,从空间、特征和时间维度提取有效特征,连接全连接层输出结果.最后,基于美国新英格兰地区的真实电力负荷数据进行仿真验证,并提取模型注意力权重,分析元胞之间的空间依赖性.结果表明,所提模型相比传统模型在不同预测步长上均具有更高的预测精度和稳定性,有效挖掘了区域级负荷的空间依赖性.
Abstract：Atpresent,theresearchonspatialloadforecastinglackstheconsiderationofcomplexspatial-temporalrelationship.Therefore,aregionalultra-short-termspatio-temporalloadforecastingmodelconsideringmulti-dimensionalandmulti-sourcefeaturesisproposedinthispaper.Firstly,basedontheexistingregional-levelload,cellpartitioningiscarriedouttoconstructagraphtopologythatconsiderscellcorrelation.Secondly,effectivefeaturesareextractedfromthespatial,feature,andtemporaldimensionsthroughthegraphattentionnetwork,onedimensionalconvolutionalnetworkandgatedrecurrentunit,connectingthefullyconnectedlayerstooutputtheresults.Finally,simulationvalidationisconductedbasedontherealpowerloaddatafromtheNewEnglandregionoftheUnitedStates,andmodelattentionweightsareextractedtoanalyzethespatialdependenciesbetweencells.Theresultsshowthat,comparedwiththetraditionalmodels,theproposedmodelprovideshigheraccuracyandstabilitywithdifferentpredictionsteps,effectivelyexploitingthespatialdependenceofregionalspatialload.
作者：赵紫昱 陈渊睿 陈霆威 刘俊峰 曾君 Author：ZHAOZiyu CHENYuanrui CHENTingwei LIUJunfeng ZENGJun
作者单位：华南理工大学电力学院,广东省广州市510640华南理工大学自动化科学与工程学院,广东省广州市510640
刊名：电力系统自动化 ISTICEIPKU
Journal：AutomationofElectricPowerSystems
年，卷(期)：2024, 48(12)
分类号：
关键词：负荷预测 负荷空间分布 卷积神经网络 门控循环单元 注意力机制 可解释性
Keywords：loadforecasting loadspatialdistribution convolutionalneuralnetwork gatedrecurrentunit attentionmechanism interpretability
机标分类号：TP391TM715TN915.04
在线出版日期：2024年7月1日
基金项目：基于时空图注意力网络的超短期区域负荷预测[
期刊论文] 电力系统自动化--2024, 48(12)赵紫昱 陈渊睿 陈霆威 刘俊峰 曾君目前,空间负荷预测研究对复杂时空关系的考虑不足.为此,文中提出一种基于多维、多源特征的区域级负荷超短期时空预测模型.首先,根据已有的区域级负荷进行元胞划分,构建考虑元胞相关性的图拓扑.其次,分别通过图注意力网络...参考文献和引证文献
参考文献
引证文献
本文读者也读过
相似文献
相关博文
关键词：负荷预测,负荷空间分布,卷积神经网络,门控循环单元,注意力机制,可解释性,
|
|
1
