基于选择性序列学习的区域配电馈线多年长期负荷预测

区域配电馈线的长期负荷预测(LTLF)是电力配电公用事业公司频繁执行的最关键任务之一。对于特定规划区域,只有基于准确的馈线 LTLF 结果才能规划出高性价比的系统升级。在我们之前的研究中,我们建立了一种独特的序列预测方法,该方法具有将区域自顶向下、馈线自底向上以及多年历史数据全部结合用于预测的巨大多重优势,并通过实际测试取得了优于多种传统方法的性能。然而,先前的方法仅关注下一年的预测。在我们当前的工作中,我们显著改进了该方法:预测现在可扩展到未来的多年预测窗口;使用无监督学习技术按负荷构成特征对馈线分组以提高精度;我们还提出一种新颖的选择性序列学习机制,该机制使用门控循环单元网络不仅学习如何预测序列值,还学习为每个单独馈线选择性能最佳的序列配置。所提方法在加拿大西部一个实际城市配电系统上进行了测试,并与传统方法及我们之前的序列预测方法进行比较,展现出最佳的预测性能以及将序列预测模型用于多年组件级负荷预测的可能性。