基于深度学习的短期电力负荷预测综合概述
机器学习
2025-05-20 v2 人工智能
摘要
短期电力负荷预测 (STELF) 指预测电力系统在未来几个小时到几天内的即时需求。各种外部因素，如天气变化和新的电力消费场景的出现，都可能影响电力需求，导致负荷数据呈波动和非线性，增加了 STELF 的复杂性和难度。在过去十年中，深度学习被应用于 STELF，对电力需求进行高精度建模和预测，并为 STELF 的发展作出了重要贡献。本文对过去十年基于深度学习的 STELF 提供了全面综述。它检阅了整个预测过程，包括数据预处理、特征提取、深度学习建模和优化以及结果评估。本文还识别了一些研究挑战和潜在的未来研究方向。
引用
@article{arxiv.2408.16202,
title = {Short-Term Electricity-Load Forecasting by Deep Learning: A Comprehensive Survey},
author = {Qi Dong and Rubing Huang and Chenhui Cui and Dave Towey and Ling Zhou and Jinyu Tian and Jianzhou Wang},
journal= {arXiv preprint arXiv:2408.16202},
year = {2025}
}
备注
To be published in Engineering Applications of Artificial Intelligence