-
题名基于XGBOOST-DNN的中期电力负荷预测
被引量：4
- 1
-
-
作者
杨洋
谷震浩
-
机构
中国科学院大学
中国科学院沈阳计算技术研究所
-
出处
《计算机系统应用》
2021年第9期186-191,共6页
-
文摘
精准的负荷预测是电力工作者重要的工作之一,而负荷预测以预测周期的不同,一般可以划分为短期电力负荷预测与中长期电力负荷预测.其中中长期电力负荷预测相较短期电力负荷预测而言,该领域缺乏大量前沿工作者的探索.因此本文提出一种可应用于中期电力负荷预测领域且基于XGBoost-DNN的算法.该算法将树模型和深度神经网络相结合,并将短期电力负荷预测引入到了中期电力负荷预测的工作中,基于树模型自身特点,将数据特征加工成高阶的交叉特征,同时结合原有数据利用深度神经网络可学习到丰富的特征信息.这里是以2017全球能源预测竞赛的数据进行算法分析,其中实验表明,在中期电力负荷预测领域,该方法提出的XGBoost-DNN模型相较于DNN,LSTM而言,其具备更加精准的准确性.
-
关键词
负荷预测
中期负荷预测
多目标回归
深度神经网络
XGBoost
-
Keywords
load forecast
mid-term load forecast
multi-objective regression
deep neural network
XGBoost
-
分类号
TM715
[电气工程—电力系统及自动化]
-
-
题名大型储能电站多层级辅助服务需求感知及优化调度方法
- 2
-
-
作者
葛延峰
李正文
邹楠
谷震浩
-
机构
国网辽宁省电力有限公司
国网大连供电公司
中国科学院沈阳计算技术研究所有限公司
-
出处
《水电能源科学》
北大核心
2021年第11期215-218,118,共5页
-
基金
国家电网科技项目(2020YF-34)。
-
文摘
由于大型储能电站多层级辅助服务需求较为复杂,感知及调度波动干扰较大,效率较低,为提升大型储能电站调度的灵敏度、精度与速度,确保大型储能电站运行的安全性与稳定性,提出大型储能电站多层级辅助服务需求感知及优化调度方法。结合感知的辅助服务需求与运营模式,构建优化调度模型;通过结合离散型粒子群优化算法和优先顺序法,求解调度模型,充分分析粒子在每个调度时段搜索的信息,提升调度方法的计算精度与速度,实现大型储能电站多层级辅助服务需求感知及优化调度。结果表明,该方法能够有效感知多层级辅助服务需求、快速实现机组组合问题的优化调度,灵敏度及精度较高。
-
关键词
大型储能电站
多层级
辅助服务
需求感知
优化调度
波动性
-
Keywords
large-scale energy storage power station
more levels
ancillary services
perception of need
optimal scheduling
volatility
-
分类号
TM74
[电气工程—电力系统及自动化]
-
