基于贝叶斯深度学习的用户净负荷预测方法OA北大核心
USER NET LOAD FORECASTING METHOD BASED ON BAYESIAN DEEP LEARNING
分布式光伏(photovoltaic,PV)发电的随机性、间歇性和波动性给电网安全可靠运行带来了巨大的挑战.为了准确预测用户净负荷,同时捕捉分布式光伏发电和负荷带来的大量不确定性,提出一种基于概率的日前净负荷预测方法.将贝叶斯概率论与深度学习相结合,以处理认知不确定性和任意不确定性;采用子空间聚类技术,将住宅屋顶光伏输出作为输入特征,以提高综合净负荷预测的性能.基于细粒度智能电表数据进行了算例分析,与其他方法进行实验比较可知,所提方法具有更好的性能.
冯桂玲;郑晓晖;李思韬;庄大海
国网福建省电力有限公司福州供电公司 福建 福州 350009国网信通亿力科技有限责任公司 福建 福州 350003国网福建省电力有限公司福州供电公司 福建 福州 350009国网信通亿力科技有限责任公司 福建 福州 350003
信息技术与安全科学
概率性净负荷预测分布式光伏发电聚类长短时记忆贝叶斯深度学习
《计算机应用与软件》 2022 (10)
94-103,10
评论