促进人工智能与系统运营商协同：用于日前负荷预测的主动学习增强型数字孪生架构
系统与控制
2024-09-04 v1 系统与控制
摘要
本文介绍了一种通过创新的数字孪生架构，结合主动学习框架，实现人工智能与系统运营商协同的方法，以增强短期负荷预测。该架构的核心是集成复杂的数据管道，促进电网相关数据的实时摄取、处理和分析。利用循环神经网络架构，我们的模型生成日前负荷预测及其预测置信区间，增强了系统运营商对模型预测可靠性的信任，并提升了他们有效响应不断变化的电网状况的能力。主动学习框架通过基于预测不确定性的实时反馈，利用新获取的数据迭代地优化预测，以持续提高预测精度和置信度。这种人工智能辅助策略在希腊输电系统的案例研究中得到了例证。它展示了变革短期负荷预测的潜力，从而提高现代电网的可靠性和运行效率。该方法标志着电力系统数字化和智能管理向前迈出了重要一步。
引用
@article{arxiv.2409.00368,
title = {Facilitating AI and System Operator Synergy: Active Learning-Enhanced Digital Twin Architecture for Day-Ahead Load Forecasting},
author = {Costas Mylonas and Titos Georgoulakis and Magda Foti},
journal= {arXiv preprint arXiv:2409.00368},
year = {2024}
}