基于多源信息融合的省级日前负荷预测模型
《Energies》:Multi-Source Data-Driven Day-Ahead Load Forecasting for a Provincial Power Grid: A Case Study in Hunan, China
【字体:
大
中
小
】
时间:2026年09月23日
来源:Energies 3.9
摘要
省级尺度的准确日前负荷预测是机组组合、备用调度和市场结算的基本输入,但预测需要同时捕捉周期性负荷行为、空间分布的天气敏感性以及受历史条件影响的运行模式。本文开发了一种多源融合预测模型,将TimeXer骨干网络与一个全网格编码器相结合,用于对服务区域内五个频道的ECMWF IFS HRES归档场进行处理,结合一个由可用性控制的相似模式检索机制(其输出通过一个学习到的校正门控进行调节),以及一个经验证选定的日周期水平校正。该模型在湖南省一年时长的15分钟负荷数据上进行评估,采用按时间顺序划分的训练–验证–测试划分方式,包含61个日测试起点和五个随机种子。模型取得了726.2兆瓦的平均绝对误差(MAE)、2.04%的平均绝对百分比误差(MAPE)、以及207.8兆瓦的平均分位数损失,在六项指标的均值排名标准下排名第一,其平均MAE和MQL值均低于经过超参数调优和水平校正的DLinear及iTransformer对比模型。阶段性消融实验表明,网格化天气场提供了最大的MAE降低(308.6兆瓦),而相似模式先验产生了最大的平均排名变化(从3.17到2.25);八个学习到的天气标记获得了90.5%的平均交叉注意力权重。在五个有记录的大规模冷事件所跨越的22个起点上,该模型在产生预测分布的十二个对比模型中保持了最佳平均排名。这些结果表明,多源信息融合能够支持湖南省电力系统准确且计算可行的日前预测。
生物通微信公众号
生物通新浪微博
今日动态 |
人才市场 |
新技术专栏 |
中国科学人 |
云展台 |
BioHot |
云讲堂直播 |
会展中心 |
特价专栏 |
技术快讯 |
免费试用
版权所有 生物通
Copyright© eBiotrade.com, All Rights Reserved
联系信箱:
粤ICP备09063491号