基于深度学习的电网负荷预测技术研究被引量：2

下载PDF

导出

摘要随着经济的迅猛发展,人们对电能的需求量日益增多,让有限的电力资源发挥无限的价值,是我国现阶段亟需解决的问题。电网负荷预测作为电力调度的重要环节,其在电力运行中发挥着巨大作用。为此,提出了基于深度学习的电网负荷预测技术。该技术首先利用K-means聚类算法对居民用户进行聚类分析,确定居民用户类别;在此基础上,利用LSTM算法,构建电网负荷预测模型,对小区进行用电负荷预测,并通过实验结果验证了预测算法的高准确度,对于掌握电力负荷的增长趋势具有重要意义。

作者童准

机构地区国电永福发电有限公司

出处《机电信息》 2020年第32期82-83,共2页

关键词电网负荷预测 K-MEANS聚类算法 LSTM模型

分类号 TM715 [电气工程—电力系统及自动化] TP18 [自动化与计算机技术—控制理论与控制工程]

引文网络
相关文献

参考文献5

1刘威,张东霞,王新迎,侯金秀,刘丽平.基于深度强化学习的电网紧急控制策略研究[J].中国电机工程学报,2018,38(1):109-119. 被引量：114
2李扬,韦钢,马钰,李牧,何炜,李光宏.含电动汽车和分布式电源的主动配电网动态重构[J].电力系统自动化,2018,42(5):102-110. 被引量：74
3卫建华,徐薇,刘文玥,王琳萍,王咪.低压电网监测系统设计与实现[J].国外电子测量技术,2020,0(1):118-122. 被引量：8
4张驰,陈涛,倪顺江.基于层次分析和模糊综合评价的电网系统应急能力评估[J].中国安全生产科学技术,2020,16(2):180-186. 被引量：62
5冷喜武,陈国平,白静洁,张家琪.智能电网监控运行大数据分析系统总体设计[J].电力系统自动化,2018,42(12):160-166. 被引量：104

二级参考文献70

1张引,陈敏,廖小飞.大数据应用的现状与展望[J].计算机研究与发展,2013,50(S2):216-233. 被引量：387
2裴爱华,刘明波,张弛.考虑负荷不确定性的区间潮流计算方法[J].电力系统及其自动化学报,2004,16(6):24-27. 被引量：28
3刘柏私,谢开贵,周家启.配电网重构的动态规划算法[J].中国电机工程学报,2005,25(9):29-34. 被引量：65
4铁永波,唐川.城市灾害应急能力评价指标体系建构[J].城市问题,2005(6):76-79. 被引量：95
5李莉华,高凯,迟峰.美国纽约7·17停电事故调查与分析[J].中国电力,2007,40(5):78-81. 被引量：10
6张剑云,孙元章.基于脆弱割集选择紧急控制地点的灵敏度分析方法[J].电网技术,2007,31(11):21-26. 被引量：13
7刘思革,范明天,张祖平,周孝信.城市电网应急能力评估技术指标的研究[J].电网技术,2007,31(22):17-20. 被引量：51
8赵玲,唐敏康.城市灾害应急能力评价指标体系的研究[J].职业卫生与应急救援,2008,26(1):31-33. 被引量：24
9刘斌,陈磊,闵勇.考虑暂态电压稳定的低压减载地点选择[J].电力系统自动化,2008,32(5):11-14. 被引量：20
10孙秋野,张化光,刘兆冰.配电网模糊潮流计算方法及其收敛性研究[J].中国电机工程学报,2008,28(10):46-50. 被引量：30

共引文献356

1彭建军,谭劲.基于层次分析和模糊综合评价的中小城市公共卫生应急管理能力评估[J].中国应急管理科学,2022(3):16-29. 被引量：2
2陈泽兴,张勇军,黄豫,覃芸,陈伯达,林楷东.基于条件风险价值的综合能源配电网优化重构方法研究[J].全球能源互联网,2020(6):590-599. 被引量：7
3李英,王晓.基于防御理念的主动监控运行机制探索与实践[J].企业管理,2019(S02):104-105. 被引量：1
4Shuang Wu,Wei Hu,Zongxiang Lu,Yujia Gu,Bei Tian,Hongqiang Li.Power System Flow Adjustment and Sample Generation Based on Deep Reinforcement Learning[J].Journal of Modern Power Systems and Clean Energy,2020,8(6):1115-1127. 被引量：11
5吴漾,王鹏宇,缪新萍,柳林溪,田钺.基于改进深度强化学习算法的电网缺陷文本挖掘模型研究[J].科技通报,2021,37(2):47-55. 被引量：6
6贾彩凤.大型通航桥梁防船撞主动预警系统分析[J].舰船科学技术,2019,0(22):37-39. 被引量：5
7王金贵,罗飞云,张苏,郭进,杨健.基于Delphi法构建高校实验室应急能力评价指标体系的探索[J].化工高等教育,2021,38(6):112-117. 被引量：4
8贾登,骆学理,张易,左卫东,吴昌亮,金艺,杨晓光.基于光纤传感的井架和底座承载力监测系统[J].电子测量技术,2022,45(10):140-147. 被引量：6
9陶洪铸,翟明玉,许洪强,季学纯,刘金波,徐丽燕.适应调控领域应用场景的人工智能平台体系架构及关键技术[J].电网技术,2020,44(2):412-419. 被引量：45
10范士雄,李立新,王松岩,刘幸蔚,於益军,郝博文.人工智能技术在电网调控中的应用研究[J].电网技术,2020,44(2):401-411. 被引量：123

同被引文献11

1陈振宇,刘金波,李晨,季晓慧,李大鹏,黄运豪,狄方春,高兴宇,徐立中.基于LSTM与XGBoost组合模型的超短期电力负荷预测[J].电网技术,2020,44(2):614-620. 被引量：260
2刘建华,李锦程,杨龙月,闫耀双,刘艳梅,张屹修.基于EMD-SLSTM的家庭短期负荷预测[J].电力系统保护与控制,2019,47(6):40-47. 被引量：64
3王永志,刘博,李钰.一种基于LSTM神经网络的电力负荷预测方法[J].实验室研究与探索,2020,39(5):41-45. 被引量：33
4詹扬.基于深度时间卷积网络的居民用电负荷预测[J].农村电气化,2021(3):23-24. 被引量：1
5吴伟杰,吴杰康,雷振,郑敏嘉,张伊宁,李猛,黄欣,李逸欣.基于CSO优化深度信念网络的园区能源需求预测方法[J].电网技术,2021,45(10):3859-3868. 被引量：17
6杨海柱,石剑,江昭阳,张鹏.基于CEEMD-SSA-LSSVM短期电力负荷预测模型[J].武汉大学学报（工学版）,2022,55(6):609-616. 被引量：14
7马晓琴,马占海,罗红郊,张华铭.基于负荷分解与聚类融合的短期用电负荷预测研究[J].电子设计工程,2023,31(20):191-195. 被引量：4
8张洁莹,石元博.基于EEMD-AE-LSTM的生活用电短期负荷预测[J].计算机应用与软件,2024,41(3):70-74. 被引量：6
9刘旭.基于多维融合特征提取和深度学习网络的短期负荷预测方法[J].农村电气化,2025(2):1-5. 被引量：2
10路亮亮,王天祥,杜崇杰,刘志全.基于深度学习的用电分析系统设计[J].电子技术(上海),2024,53(12):208-209. 被引量：1

引证文献2

1龙雯,王同喜.基于深度学习的多特征短期负荷预测[J].电脑知识与技术,2021,17(16):186-187. 被引量：4
2马腾跃,陈金路,傅勇平,赵广镇,林政杰.基于深度学习的用电负荷预测方法及应用[J].建筑电气,2025,44(11):17-23.

二级引证文献4

1荀超,陈伯建,吴翔宇,项康利,林可尧,肖芬,易杨.基于改进K-means算法的电力短期负荷预测方法研究[J].电力科学与技术学报,2022,37(1):90-95. 被引量：47
2何闰丰,黄莺.一种改进支持向量机的电力负荷预测方法研究[J].红水河,2022,41(2):94-99. 被引量：9
3金丽丽.基于GRA-SSA-BP神经网络的电力负荷预测方法[J].红水河,2022,41(3):92-96. 被引量：6
4杨怡菲,高岩.基于线性判别分析的电力负荷预测[J].电子设计工程,2023,31(11):102-106. 被引量：3

1周自强,赵淳,范鹏.电力负荷数据典型特征提取[J].电工技术,2020(21):69-71. 被引量：3
2蒯圣宇,郑善斌,陈贤阳,俞俊凯.肥东县电网“十四五”发展规划研究[J].机电信息,2020(32):136-137.
3张策,韩久鹏,韩帅,魏伟.10kV高压电能质量在线监测装置技术发展趋向[J].电工技术,2020(22):149-150.
4牛礼民,朱奋田,张泉泉,赵雅芝,宗发新,郑飞宇.混合动力汽车控制策略的分析与展望[J].安徽工业大学学报（自然科学版）,2020,37(4):364-371. 被引量：10
5路海兰.深度学习在园林植物学教学中的应用[J].安徽农业科学,2020,48(24):238-241. 被引量：1
6缪希仁,范建威,江灏,陈静,黄新宇.基站异常情况下基于改进极限学习机的超宽带室内定位方法[J].传感技术学报,2020,33(10):1457-1466. 被引量：11
7罗森林,李东超,吴舟婷,潘丽敏,吴倩.融合时序文本与高阶交互拓扑的在线抗议预测[J].北京理工大学学报,2020,40(11):1245-1252. 被引量：2
8陈媛先.结合文本情感、主题、社交特征和深度学习的股价预测方法[J].管理学家,2020(19):3-13.
9刘俊波,黄斌,邓蕾.基于PGM的态势预测技术[J].通信技术,2020,53(12):3001-3006.
10黄凤娇,吕干云.电动乘用车日充电负荷特性研究[J].电工技术,2020(21):65-68. 被引量：1

机电信息

2020年第32期

浏览历史

内容加载中请稍等...

基于深度学习的电网负荷预测技术研究被引量：2

参考文献5

二级参考文献70

共引文献356

同被引文献11

引证文献2

二级引证文献4

相关作者

相关机构

相关主题

浏览历史

基于深度学习的电网负荷预测技术研究 被引量：2

参考文献5

二级参考文献70

共引文献356

同被引文献11

引证文献2

二级引证文献4

相关作者

相关机构

相关主题

浏览历史

基于深度学习的电网负荷预测技术研究被引量：2