机器学习模型在短期配电系统负荷预测中的比较分析
系统与控制
2024-11-26 v1 系统与控制
摘要
准确的电力负荷预测对于优化电力系统的运行、规划和管理至关重要。随着电力系统日益复杂，传统的预测方法可能无法捕捉负荷数据中复杂模式和依赖关系。机器学习（ML）技术已成为强大的替代方案，能够提供更高的预测精度，并能建模非线性和复杂的时间依赖关系。本研究对能源走廊位于休斯顿, 德克萨斯州的配电系统的短期负荷预测所用的主要机器学习模型进行了全面比较：前馈神经网络、循环神经网络、长短期记忆网络、门控循环单元以及注意力时序图卷积网络；采用24小时回溯窗口，使用跨一年和五年的数据集进行训练，以预测下一小时的负荷需求并评估模型性能。我们的研究旨在识别最有效的机器学习方法，以实现精确的负荷预测，为改进电网可靠性和系统优化作出贡献。
引用
@article{arxiv.2411.16118,
title = {Comparative Analysis of Machine Learning Models for Short-Term Distribution System Load Forecasting},
author = {Elias Raffoul and Mingjian Tuo and Cunzhi Zhao and Tianxia Zhao and Meng Ling and Xingpeng Li},
journal= {arXiv preprint arXiv:2411.16118},
year = {2024}
}