基于张量低秩补全算法的极端天气短期负荷预测OACSTPCD
Short-Term Load Forecasting Based on Tensor Low-Rank Completion Algorithm in Extreme Weather
高效准确的短期电力负荷预测对提升新型电力系统经济运行十分重要.针对极端天气场景下负荷预测数据量较少、随机性较强的特点,提出一种基于张量低秩补全算法的短期负荷预测模型,并选取极端高温场景展开研究.首先,给出极端天气定义,并基于改进型炎热指数和气温两项指标进行数据筛选;其次,提出一种基于张量的负荷数据补全模型,补全缺失数据;然后,通过Pearson相关性分析筛选输入特征量,构建基于长短时记忆(long short term memory,LSTM)网…查看全部>>
Efficient and accurate short-term power load forecasting is very important to improve the economic operation of the new power system.In view of the characteristics of less load forecasting data and strong randomness in extreme weather scenarios,a short-term load forecasting model based on the tensor low-rank completion algorithm is proposed,and extreme high temperature scenarios are selected for the research.First,the definition of extreme weather is g…查看全部>>
冯家欢;史雪晨;张赟;胡涛;封钰;洪晨威;洪奕;吴越涛
国网江苏省电力有限公司苏州供电分公司,江苏省 苏州市 215004国网江苏省电力有限公司苏州供电分公司,江苏省 苏州市 215004国网江苏省电力有限公司苏州供电分公司,江苏省 苏州市 215004国网江苏省电力有限公司苏州供电分公司,江苏省 苏州市 215004国网江苏省电力有限公司苏州供电分公司,江苏省 苏州市 215004国网江苏省电力有限公司苏州供电分公司,江苏省 苏州市 215004国网江苏省电力有限公司苏州供电分公司,江苏省 苏州市 215004国网江苏省电力有限公司苏州供电分公司,江苏省 苏州市 215004
能源与动力
极端天气高温场景炎热指数短期负荷预测张量低秩补全长短时记忆(LSTM)网络粗糙集理论(RST)
extreme weatherhigh temperature scenarioheat indexshort-term load forecastingtensor low-rank completionlong short term memory(LSTM)networkrough set theory(RST)
《分布式能源》 2024 (4)
51-59,9
国家电网公司科技项目(5100-202235272A-2-0-XG) This work is supported by Science and Technology Project of State Grid Corporation of China(5100-202235272A-2-0-XG)
评论