<?xml version="1.0" encoding="utf-8"?>
<rss version="2.0" xmlns:atom="http://www.w3.org/2005/Atom" xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005">
<channel xmlns:cfi="http://www.microsoft.com/schemas/rss/core/2005/internal" cfi:lastdownloaderror="None">
<title cf:type="text"><![CDATA[《电力需求侧管理》编辑部 -->负荷预测]]></title>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="text"><![CDATA[基于层次聚类算法与ISA-LSSVM的短期负荷预测研究]]></title>
<link><![CDATA[http://dsm.ijournals.cn/ch/reader/view_abstract.aspx?file_no=20220509&flag=1]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[针对不同类型用户的短期负荷预测，目前应用较为广泛的为支持向量机与深度学习模型。针对最小二乘支持向量机（least squares support vector machine，LSSVM）模型中超参数难以确定、模型对数据质量要求较高等问题，而集成常规优化算法又会有寻优速度慢、易陷入局部最优等问题，提出了一种混合模型。首先使用层次聚类（hierarchical clustering，HC）对原始特征数据进行聚类进而为同一类预测日建立对应LSSVM 模型，再通过改进的模拟退火算法（improved simulateanneal，ISA）对 LSSVM 中的超参数进行启发式搜索。最后通过对广东省佛山市某行业用户用电负荷进行负荷预测，与各种负荷预测模型性能进行对比，结果证明所提模型可有效提高负荷预测精度、缩短预测时间。]]></description>
<pubDate>2022/9/27 9:45:11</pubDate>
<category><![CDATA[负荷预测]]></category>
<author><![CDATA[郑 乐，徐青山，冯小峰]]></author>
<guid><![CDATA[http://dsm.ijournals.cn/ch/reader/view_abstract.aspx?file_no=20220509&flag=1]]></guid><cfi:id>5</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="text"><![CDATA[基于改进Prophet算法的短期日负荷预测方法研究]]></title>
<link><![CDATA[http://dsm.ijournals.cn/ch/reader/view_abstract.aspx?file_no=20220510&flag=1]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[将Prophet算法引入负荷预测领域，并结合XGBoost算法提升Prophet负荷预测准确性。Prophet算法基于时间序列分解及机器学习的拟合，将负荷数据分解为趋势项、周期项、随机波动项3部分，引入XGBoost算法改进Prophet算法对随机波动项的预测，将XGBoost 算法对随机波动的预测结果与Prophet算法对趋势项和周期项的预测结果叠加，获得最终的预测结果。该算法适用于用电负荷这种具备一定周期变化特征的序列,易于理解，预测准确性较高。通过某地区用电信息采集系统提供的专公变用户日冻结数据实验验证，结果表明在相同条件下，改进后的算法预测的结果的平均绝对误差百分比较原始的Prophet算法可降低2.5%，同时均方根误差降低幅度可达30.79%，体现出显著的改进效果。]]></description>
<pubDate>2022/9/27 0:00:00</pubDate>
<category><![CDATA[负荷预测]]></category>
<author><![CDATA[刘涅煊，杨学良，陶晓峰，黄福兴，陆春艳]]></author>
<guid><![CDATA[http://dsm.ijournals.cn/ch/reader/view_abstract.aspx?file_no=20220510&flag=1]]></guid><cfi:id>4</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="text"><![CDATA[基于集成模型的混合神经网络电力负荷预测]]></title>
<link><![CDATA[http://dsm.ijournals.cn/ch/reader/view_abstract.aspx?file_no=20220511&flag=1]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[为了提高负荷预测的精度与泛化能力，提出了一种基于Bagging集成算法的GRU-BiLSTM-Self-attention模型。为充分提取高维输入数据的多个特征，该模型采用BiLSTM-Self-attention模型提取局部特征，采用GRU模型提取时序特征，从同一训练集中独立抽取样本子集并进行训练，对输出结果集成处理并得到最终的预测结果。选取南京某供电公司真实数据进行实验，并与LSTM神经网络、GRU神经网络、BiLSTM神经网络等预测模型进行对比。实验数据表明，该模型的均方根误差为50.770 3，准确率为97.36%。相较于其它用于对比的模型，该结果表明本模型在预测效果上具有一定程度的优势，说明所提出的模型具有更好的泛化能力与预测精度。]]></description>
<pubDate>2022/9/27 0:00:00</pubDate>
<category><![CDATA[负荷预测]]></category>
<author><![CDATA[裴星懿，黄陈蓉，张建德，霍 瑛]]></author>
<guid><![CDATA[http://dsm.ijournals.cn/ch/reader/view_abstract.aspx?file_no=20220511&flag=1]]></guid><cfi:id>3</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="text"><![CDATA[规模化电动汽车充电负荷预测]]></title>
<link><![CDATA[http://dsm.ijournals.cn/ch/reader/view_abstract.aspx?file_no=20220512&flag=1]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[首先基于灰色预测模型、线性回归模型和BP神经网络模型的组合预测模型计算出传统汽车保有量预测曲线，并使用非线性二乘法拟合出基于Bass模型的传统汽车保有量的3个参数值。再通过基于层次分析的德尔菲法，构建传统汽车与电动汽车参数之间的关系，从而得到能预测电动汽车保有量的Bass模型。在保有量预测结果的基础上采用蒙特卡洛算法，结合用户使用电动汽车的起始充电时间、日行驶里程数、电池参数、充电效率等影响因素分别模拟城市中电动私家车，电动公交车与电动出租车的出行习惯，完成电动汽车的负荷预测。应用该方法进行电动汽车负荷预测时精度更高，效果更好。]]></description>
<pubDate>2022/9/27 0:00:00</pubDate>
<category><![CDATA[负荷预测]]></category>
<author><![CDATA[陈 勇，江颖达，徐 刚，崔佳嘉，秦大瑜，朱希敏，马宏忠]]></author>
<guid><![CDATA[http://dsm.ijournals.cn/ch/reader/view_abstract.aspx?file_no=20220512&flag=1]]></guid><cfi:id>2</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="text"><![CDATA[基于双层博弈的居民家电负荷聚合测试方法]]></title>
<link><![CDATA[http://dsm.ijournals.cn/ch/reader/view_abstract.aspx?file_no=20220513&flag=1]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[随着中国电力尖峰负荷不断攀升，居民家庭负荷参与需求响应的重要性日益增加。针对居民家电缺少通用互操作标准，与电网负荷互动难的问题，采用了基于聚类结果的双层博弈方法来进行居民家电负荷聚合测试。通过基于模糊C均值的聚类方法对居民家庭负荷进行聚类，并建立居民环境与温度自动控制、智慧厨房、智能居民家庭影院、智能电器远程控制等场景。依据电网需求响应要求，通过下层能量博弈模型求解最优居民家电用能策略；依据聚类后建立的居民家庭负荷应用场景，通过上层聚合价值需求博弈模型求解最优的居民家电互操作测试方法。在某城市小区中进行了应用测试，其测试准确率达97.2%。应用结果表明：该方法提升了居民家电负荷的互操作性的同时，也提升了居民家电与电网负荷的互动水平。]]></description>
<pubDate>2022/9/27 0:00:00</pubDate>
<category><![CDATA[负荷预测]]></category>
<author><![CDATA[刘永春，蔡 华，田中利，邵雪松，许金宇]]></author>
<guid><![CDATA[http://dsm.ijournals.cn/ch/reader/view_abstract.aspx?file_no=20220513&flag=1]]></guid><cfi:id>1</cfi:id><cfi:read>true</cfi:read></item>
</channel>
</rss>