10.3969/j.issn.1000-386x.2022.10.015
基于贝叶斯深度学习的用户净负荷预测方法
分布式光伏(photovoltaic,PV)发电的随机性、间歇性和波动性给电网安全可靠运行带来了巨大的挑战.为了准确预测用户净负荷,同时捕捉分布式光伏发电和负荷带来的大量不确定性,提出一种基于概率的日前净负荷预测方法.将贝叶斯概率论与深度学习相结合,以处理认知不确定性和任意不确定性;采用子空间聚类技术,将住宅屋顶光伏输出作为输入特征,以提高综合净负荷预测的性能.基于细粒度智能电表数据进行了算例分析,与其他方法进行实验比较可知,所提方法具有更好的性能.
概率性净负荷预测、分布式光伏发电、聚类、长短时记忆、贝叶斯深度学习
39
TP183;TP3(自动化基础理论)
2022-11-11(万方平台首次上网日期,不代表论文的发表时间)
共10页
94-103