基于线图卷积 LSTM 的概率动态线路载流量预测
系统与控制
2025-03-11 v2 系统与控制
摘要
动态线路载流量(Dynamic Line Rating, DLR)是一种通过根据实时天气条件调整额定载流量来提高输电线路利用率的极具前景的解决方案。因此,在调度阶段进行准确的 DLR 预测对于系统操作员主动优化潮流、管理拥堵并降低电网运行成本是必要的。然而,由于天气的不确定性,DLR 预测仍具挑战性。为了可靠地预测 DLR,我们提出了一种基于线图卷积 LSTM 的新型概率预测模型。与标准 LSTM 网络一样,我们的模型考虑了规划周期内 DLR 之间的时间相关性。线图结构网络还使我们能够利用电网中 DLR 特征的空间相关性来提高预测质量。在合成的 Texas 123-bus 系统上的仿真结果表明,所提出的模型在可靠性和锐度方面显著优于基线概率 DLR 预测模型,同时使用的参数最少。
引用
@article{arxiv.2411.12963,
title = {Probabilistic Dynamic Line Rating Forecasting with Line Graph Convolutional LSTM},
author = {Minsoo Kim and Vladimir Dvorkin and Jip Kim},
journal= {arXiv preprint arXiv:2411.12963},
year = {2025}
}
备注
5 pages, 5 figures