结合贝叶斯Autoformer的多维自适应短期电力负荷概率预测方法

来源：电子与信息学报杂志2024年第12期北京时间：

作者：周师琦, 王俊帆, 赖俊升, 袁毓杰, 董哲康

单位：1.杭州电子科技大学电子信息学院 杭州 3100182.浙江省装备电子重点实验室 杭州 3100183.英国伦敦布鲁奈尔大学电子与计算机工程系 伦敦 UB8 3PH4.中国民航大学空中交通管理学院 天津 300300

摘要：建立准确的电力负荷短期预测模型对于电力系统的稳定运行和智能化进程至关重要。目前的主流预测方法无法很好地突破数据波动性和模型不确定性两个问题。基于此，该文提出一种基于贝叶斯Autoformer的多维自适应短期电力负荷概率预测方法。具体地，提出自适应特征提取方法获取多维度特征，通过捕捉多尺度特征和时频局部信息，增强模型对负荷数据中高波动性和非线性特征的处理能力。其次，提出基于贝叶斯Autoformer的预测模型，它可以捕获负荷数据中重要子序列特征以及不确定性，并通过贝叶斯优化方法实现概率预测分布和参数分布的动态更新。所提模型在3个量级(GW, MW, KW)的实际负荷数据集上进行一系列实验分析(对比分析、自适应分析、鲁棒性分析)。结果表明，所提预测模型在自适应和准确性方面具有优越的性能，均方根误差(RMSE)、弹球损失(Pinball Loss)、连续概率评分(CRPS)，相较对比方法分别提升1.9%, 24.2%, 4.5%。

关键词：负荷预测, 概率预测, 贝叶斯神经网络, Autoformer

基金资助：国家自然科学基金(62206062)，长三角科技创新共同体联合攻关重点项目(2023CSJGG1300)，浙江省属高校基本科研业务费项目(GK229909299001-06)