Feature Decoupling Peak-load Forecasting Model Considering Meteorological Cumulative Effect

Chuan QIN; Pengfei DING; Bo LIU; Ping JU

doi:10.7500/AEPS20210524009

您当前的位置：

首页 >

文章列表页 >

Feature Decoupling Peak-load Forecasting Model Considering Meteorological Cumulative Effect

Basic Research | 更新时间：2025-06-16

- Feature Decoupling Peak-load Forecasting Model Considering Meteorological Cumulative Effect
- Automation of Electric Power Systems Vol. 46, Issue 6, Pages: 66-72(2022)
- 作者机构：
  
  1.河海大学能源与电气学院,江苏省南京市 211100
  2.国网江苏省电力有限公司淮安供电分公司,江苏省淮安市 223002
- 作者简介：
- 基金信息：
  
  National Natural Science Foundation of China(U2066601);Program of Introducing Talents of Discipline to Universities (“111” Program)(B14022)
- DOI：10.7500/AEPS20210524009
  CLC：
- Received：24 May 2021，
  
  Revised：2021-08-23，
  
  Published Online：26 October 2021，
  
  Published：25 March 2022
- 稿件说明：
移动端阅览
秦川,丁鹏飞,刘波等.计及气象累积效应的特征解耦峰荷预测模型[J].电力系统自动化,2022,46(6):66-72.

QIN Chuan,DING Pengfei,LIU Bo,et al.Feature Decoupling Peak-load Forecasting Model Considering Meteorological Cumulative Effect[J].Automation of Electric Power Systems,2022,46(6):66-72.
秦川,丁鹏飞,刘波等.计及气象累积效应的特征解耦峰荷预测模型[J].电力系统自动化,2022,46(6):66-72. DOI： 10.7500/AEPS20210524009.

QIN Chuan,DING Pengfei,LIU Bo,et al.Feature Decoupling Peak-load Forecasting Model Considering Meteorological Cumulative Effect[J].Automation of Electric Power Systems,2022,46(6):66-72. DOI： 10.7500/AEPS20210524009.

摘要

夏季峰荷是电力部门的关注焦点，温度累积效应对于夏季峰荷预测具有重要影响。为此，提出一种计及气象累积效应的特征解耦峰荷预测模型。建立具有3个输入分支的深度神经网络模型，从结构上对输入特征实现解耦，称为特征解耦模型。3个分支分别以时间特征、负荷特征、气象特征为输入，其中负荷分支、气象分支应用了长短期记忆(LSTM)网络隐藏层并基于LSTM网络的时序处理能力能对负荷及气象序列进行处理来反映累积效应，进而应用于峰荷预测。最后，通过实例分析，与温度修正等常规方法进行对比，验证了特征解耦模型更适合于计及气象累积效应的峰荷预测。

Abstract

The summer peak-load is the focus of the power industry

and temperature cumulative effect has an important impact on the summer peak-load forecasting. Therefore

a feature decoupling peak-load forecasting model considering meteorological cumulative effect is proposed. The deep neural network model with three input branches is established to realize the decoupling of input features from the structure

which is called feature decoupling model. The three branches take the time feature

load feature and meteorological feature as the input

respectively. The branches for the load and meteorology apply the hidden layer of the long short-term memory (LSTM) network. The load and meteorological sequences are processed based on the time sequence processing ability of LSTM network to the reflect cumulative effect

and then apply it to the peak-load forecasting. Finally

through case analysis and comparison with conventional methods such as temperature correction method

it is verified that the feature decoupling model is more suitable for peak-load forecasting considering cumulative effect.

关键词

Keywords

references

李玉志，刘晓亮，邢方方，等 . 基于Bi-LSTM和特征关联性分析的日尖峰负荷预测［J］. 电网技术， 2021 ， 45 （ 7 ）： 2719 - 2730 .

LI Yuzhi ， LIU Xiaoliang ， XING Fangfang ， et al . Daily peak load prediction based on correlation analysis and bi-directional long short-term memory network ［J］. Power System Technology ， 2021 ， 45 （ 7 ）： 2719 - 2730 .

WU D C ， AMINI A ， RAZBAN A ， et al . ARC algorithm： a novel approach to forecast and manage daily electrical maximum demand ［J］. Energy ， 2018 ， 154 ： 383 - 389 .

李滨，陆明珍 . 考虑实时气象耦合作用的地区电网短期负荷预测建模［J］. 电力系统自动化， 2020 ， 44 （ 17 ）： 60 - 68 .

LI Bin ， LU Mingzhen . Short-term load forecasting modeling of regional power grid considering real-time meteorological coupling effect ［J］. Automation of Electric Power Systems ， 2020 ， 44 （ 17 ）： 60 - 68 .

蔡舒平，闫静，刘国海，等 . 基于Fisher信息和在线SVR的智能电网气象敏感负荷预测动态建模技术［J］. 中国电机工程学报， 2020 ， 40 （ 11 ）： 3441 - 3452 .

CAI Shuping ， YAN Jing ， LIU Guohai ， et al . A dynamic modeling methodology based on fisher information and on-line SVR for smart grids weather sensitive load forecasting ［J］. Proceedings of the CSEE ， 2020 ， 40 （ 11 ）： 3441 - 3452 .

孔祥玉，李闯，郑锋，等 . 基于经验模态分解与特征相关分析的短期负荷预测方法［J］. 电力系统自动化， 2019 ， 43 （ 5 ）： 46 - 52 .

KONG Xiangyu ， LI Chuang ， ZHENG Feng ， et al . Short-term load forecasting method based on empirical mode decomposition and feature correlation analysis ［J］. Automation of Electric Power Systems ， 2019 ， 43 （ 5 ）： 46 - 52 .

张秋桥，王冰，汪海姗，等 . 基于生长曲线与气温累积效应的气象负荷预测［J］. 现代电力， 2021 ， 38 （ 2 ）： 171 - 177 .

ZHANG Qiuqiao ， WANG Bing ， WANG Haishan ， et al . Meteorological load forecasting based on growth curve and temperature accumulation effect ［J］. Modern Electric Power ， 2021 ， 38 （ 2 ）： 171 - 177 .

张庆华，王云洁，卢毅 . 考虑积温效应的夏季日最大负荷预测研究［J］. 电力需求侧管理， 2013 ， 15 （ 6 ）： 1 - 5 .

ZHANG Qinghua ， WANG Yunjie ， LU Yi . Study on summer daily peak load forecasting considering the accumulation effect of temperature ［J］. Power Demand Side Management ， 2013 ， 15 （ 6 ）： 1 - 5 .

LI C B ， ZHOU J J ， CAO Y J ， et al . Interaction between urban microclimate and electric air-conditioning energy consumption during high temperature season ［J］. Applied Energy ， 2014 ， 117 ： 149 - 156 .

高赐威，李倩玉，苏卫华，等 . 短期负荷预测中考虑积温效应的温度修正模型研究［J］. 电工技术学报， 2015 ， 30 （ 4 ）： 242 - 248 .

GAO Ciwei ， LI Qianyu ， SU Weihua ， et al . Temperature correction model research considering temperature cumulative effect in short-term load forecasting ［J］. Transactions of China Electrotechnical Society ， 2015 ， 30 （ 4 ）： 242 - 248 .

BURILLO D ， CHESTER M V ， PINCETL S ， et al . Forecasting peak electricity demand for Los Angeles considering higher air temperatures due to climate change ［J］. Applied Energy ， 2019 ， 236 ： 1 - 9 .

刘思捷，张海鹏，林舜江，等 . 夏季日最大降温负荷的估算和预测方法［J］. 电力系统保护与控制， 2016 ， 44 （ 5 ）： 75 - 81 .

LIU Sijie ， ZHANG Haipeng ， LIN Shunjiang ， et al . An estimating and forecasting method for daily maximum cooling load in summer ［J］. Power System Protection and Control ， 2016 ， 44 （ 5 ）： 75 - 81 .

XIE J R ， CHEN Y ， HONG T ， et al . Relative humidity for load forecasting models ［J］. IEEE Transactions on Smart Grid ， 2018 ， 9 （ 1 ）： 191 - 198 .

包宇庆，李扬，杨斌，等 . 基于神经网络的日峰荷预测方法中日期类型系数的确定［J］. 中国电机工程学报， 2015 ， 35 （ 22 ）： 5715 - 5722 .

BAO Yuqing ， LI Yang ， YANG Bin ， et al . Weekday index determination for ANN-based daily peak load forecasting method ［J］. Proceedings of the CSEE ， 2015 ， 35 （ 22 ）： 5715 - 5722 .

WANG P ， LIU B D ， HONG T . Electric load forecasting with recency effect： a big data approach ［J］. International Journal of Forecasting ， 2016 ， 32 （ 3 ）： 585 - 597 .

XIE J R ， CHEN Y ， HONG T ， et al . Relative humidity for load forecasting models ［J］. IEEE Transactions on Smart Grid ， 2018 ， 9 （ 1 ）： 191 - 198 .

HONG T . Short term electric load forecasting ［EB/OL］. ［ 2021-04-05 ］. https：//www.doc88.com/p-384777361771.html？r=1 https://www.doc88.com/p-384777361771.html?r=1 .

KONG W C ， DONG Z Y ， JIA Y W ， et al . Short-term residential load forecasting based on LSTM recurrent neural network ［J］. IEEE Transactions on Smart Grid ， 2019 ， 10 （ 1 ）： 841 - 851 .

DENG Z F ， WANG B B ， XU Y L ， et al . Multi-scale convolutional neural network with time-cognition for multi-step short-term load forecasting ［J］. IEEE Access ， 2019 ， 7 ： 88058 - 88071 .

孙庆凯，王小君，张义志，等 . 基于LSTM和多任务学习的综合能源系统多元负荷预测［J］. 电力系统自动化， 2021 ， 45 （ 5 ）： 63 - 70 .

SUN Qingkai ， WANG Xiaojun ， ZHANG Yizhi ， et al . Multiple load prediction of integrated energy system based on long short-term memory and multi-task learning ［J］. Automation of Electric Power Systems ， 2021 ， 45 （ 5 ）： 63 - 70 .

陈纬楠，胡志坚，岳菁鹏，等 . 基于长短期记忆网络和LightGBM组合模型的短期负荷预测［J］. 电力系统自动化， 2021 ， 45 （ 4 ）： 91 - 97 .

CHEN Weinan ， HU Zhijian ， YUE Jingpeng ， et al . Short-term load prediction based on combined model of long short-term memory network and light gradient boosting machine ［J］. Automation of Electric Power Systems ， 2021 ， 45 （ 4 ）： 91 - 97 .

陆继翔，张琪培，杨志宏，等 . 基于CNN-LSTM混合神经网络模型的短期负荷预测方法［J］. 电力系统自动化， 2019 ， 43 （ 8 ）： 131 - 137 .

LU Jixiang ， ZHANG Qipei ， YANG Zhihong ， et al . Short-term load forecasting method based on CNN-LSTM hybrid neural network model ［J］. Automation of Electric Power Systems ， 2019 ， 43 （ 8 ）： 131 - 137 .

刘波，秦川，鞠平，等 . 基于XGBoost与Stacking模型融合的短期母线负荷预测［J］. 电力自动化设备， 2020 ， 40 （ 3 ）： 147 - 153 .

LIU Bo ， QIN Chuan ， JU Ping ， et al . Short-term bus load forecasting based on XGBoost and Stacking model fusion ［J］. Electric Power Automation Equipment ， 2020 ， 40 （ 3 ）： 147 - 153 .

陈海文，王守相，王绍敏，等 . 基于门控循环单元网络与模型融合的负荷聚合体预测方法［J］. 电力系统自动化， 2019 ， 43 （ 1 ）： 65 - 72 .

CHEN Haiwen ， WANG Shouxiang ， WANG Shaomin ， et al . Aggregated load forecasting method based on gated recurrent unit networks and model fusion ［J］. Automation of Electric Power Systems ， 2019 ， 43 （ 1 ）： 65 - 72 .

ROTHFUSZ L P . The heat index ‘equation’ （or， more than you ever wanted to know about heat index）［EB/OL］. ［ 2021-05-01 ］. http：//citeseerx.ist.psu.edu/viewdoc/download？doi=10.1.1.551.2024&rep=rep1&type=pdf http://citeseerx.ist.psu.edu/viewdoc/download?doi=10.1.1.551.2024&rep=rep1&type=pdf .

CHU W C ， CHEN Y P ， XU Z W ， et al . Multiregion short-term load forecasting in consideration of HI and load/weather diversity ［J］. IEEE Transactions on Industry Applications ， 2011 ， 47 （ 1 ）： 232 - 237 .

Views

下载量

CSCD

Alert me when the article has been cited

提交

Tools

Publicity Resources

Emergency Control Strategy of Power Grid Voltage Stability Based on Convolutional Neural Network and Long Short-term Memory Network

Probability Prediction Based Risk Assessment and Proactive Regulation and Control Strategy for Static Operation Safety of Power Grid

Short-term Load Prediction Based on Combined Model of Long Short-term Memory Network and Light Gradient Boosting Machine

Wind Power Ramp Forecast Based on Feature Extraction Using Convolutional Neural Network

Related Author

DING Tao

ZHANG Zhe

QIN Boyu

GAO Xin

Jian XU

Siyang LIAO

Yaokun ZOU

Zhicheng LIU

Related Institution

School of Electrical Engineering, Xi'an Jiaotong University

School of Electrical Engineering and Automation, Wuhan University

Central China Branch of State Grid Corporation of China

Electric Power Research Institute of Guangdong Power Grid Co., Ltd.

School of Electrical and Power Engineering, China University of Mining and Technology

⁰