基于混合神经网络的多时间尺度负荷预测

来源：电工电能新技术杂志2023年第8期北京时间：

作者：孙义豪， 郭新志， 皇甫霄文， 马杰， 樊江川， 张海峰， 任洲洋

单位：1.国网河南省电力公司经济技术研究院， 河南 郑州 450000；
\r\n2.输配电装备及系统安全与新技术国家重点实验室重庆大学， 重庆 400044

摘要：精准的负荷预测对于电力系统保持经济、可靠运行有十分重要的意义，电力系统规划、运行、电力市场竞价系统的设计等都需要不同时间尺度的负荷预测结果，然而现有研究大多围绕一个时间尺度展开，单一模型难以满足实际工程需求。造成这一现象的原因在于模型预测结果的误差会随着预测时间尺度的延长而出现不同程度的增加，预测难度大，并且影响负荷的因素大多分布在不同时间尺度的数据上，难以充分利用。针对以上问题，本文在考虑负荷曲线的定积分与对应时间内用电量之间约束关系的前提下，提出融合多时间尺度数据的混合神经网络模型。该模型的损失函数同时考虑了点预测结果的误差以及负荷曲线定积分的物理意义，增强了负荷时间序列中各个元素之间的几何相关性。并且利用神经网络将短尺度数据提取为抽象的综合数据后，与长尺度数据拼接组成新的特征向量，用于预测不同时间尺度的负荷值。算例结果表明，本文提出的模型在实际的变压器负荷数据上能够实现多个时间尺度的预测并且有效提高预测精度。

关键词：多时间尺度负荷预测, 多层混合神经网络, 损失函数, 多时间尺度数据融合

基金资助：国家自然科学基金项目(52277080)、 四川省科技厅国际/港澳台科技创新合作项目(2022YFH0018)