考虑多维特征和数据增强的空间负荷预测方法

摘要：

针对空间负荷预测的影响因素多样及历史数据匮乏的问题,提出了一种考虑多维特征和数据增强的空间负荷预测方法.该方法首先综合考虑多种影响电力负荷的因素,从开发强度、发展水平、气候条件建立地区多维度指标模型.然后构建生成对抗网络(generative adversarial networks,GAN)的数据生成模型,对训练集进行数据增强,生成数量充足且符合地区特点的训练样本.其次采用基于粒子群算法(particle swarm optimization,PSO)优化初始权重和阈值后的反向传播(back propaga-tion,BP)神经网络建立空间负荷预测模型,并利用增强后的数据集实现空间负荷预测.最后,以东部某市4个区为例,对本文的方法进行验证,仿真结果表明本文提出的方法可以提高空间负荷预测精度,具有实用性和有效性.

关键词：多维特征、GAN、BP神经网络、空间负荷预测(SLF)

所属期刊栏目：22

分类号：TM715(输配电工程、电力网及电力系统)

资助基金：上海市科委地方院校能力建设项目20020500700

在线出版日期：2022-12-23（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：13330-13337