控制理论与应用

作者：胡实,唐昊,吕凯,杨晨芳

单位：合肥工业大学,合肥工业大学,合肥工业大学,合肥工业大学

关键词：短期负荷预测; 广义需求侧资源; 深度置信网络; 负荷聚合商

基金：国家电网有限公司总部科技项目“弹性环境下基于深度学习的智能调度技术”(SGTYHT/19–JS–215)资助.

随着智能电网信息化水平的不断提高以及可控负荷、分布式电源和储能等广义需求侧资源的大量接入, 将产生海量负荷数据集并改变负荷特性. 为了提高负荷预测精度, 提出了一种考虑广义需求侧资源的深度置信网络(DBN)负荷预测方法. 首先, 借助负荷聚合商确定了广义需求侧资源参与电力市场的机制, 构建了基于合同的广义需求侧资源调度模型, 并利用该模型求解广义需求侧资源参与电力市场的最优调度计划. 其次, 引入DBN结构, 并将广义需求侧资源的最优调度计划作为其输入量, 建立了短期负荷预测模型. 最后, 以实际数据进行仿真测试, 结果表明, 本文所提方法具有更高的预测精度.

来源：2023年第3期

《控制理论与应用》期刊编辑部

查看控制理论与应用杂志2023年第3期