典型文献
基于因果关系分析的短期负荷预测方法研究
文献摘要：
随着高比例可再生能源和电力市场的快速发展,电力系统不确定性增大.为提高市场环境下负荷预测精度,提出一种基于因果关系分析的短期负荷预测方法.首先,采用灰色关联度分析法量化气象因素和市场因素与负荷的相关性;然后,采用最优模态分解法对负荷模态分解,利用Granger因果分析法将影响因素与模态子序列进行匹配;最后,对子序列分别采用差分自回归移动平均(ARIMA)模型和双向长短时记忆(Bi-LSTM)神经网络模型进行预测,将预测结果叠加得到短期负荷预测结果.仿真结果表明,所提方法的预测精度可达到92％,验证了方法的准确性和有效性.
文献关键词：
短期负荷预测;最优模态分解;Granger因果分析;ARIMA;Bi-LSTM
中图分类号：
作者姓名：
张光儒;马振祺;杨军亭;张家午;苏娟;高天;丁泽琦;方舒
作者机构：
国网甘肃省电力公司 电力科学研究院,甘肃 兰州 730070;中国农业大学信息与电气工程学院,北京 100083;国网山东省电力公司 泰安供电公司,山东泰安 271000
文献出处：
引用格式：
[1]张光儒;马振祺;杨军亭;张家午;苏娟;高天;丁泽琦;方舒-.基于因果关系分析的短期负荷预测方法研究)[J].电器与能效管理技术,2022(08):23-32
A类：
最优模态分解
B类：
因果关系分析,短期负荷预测,负荷预测方法,高比例可再生能源,电力市场,电力系统,市场环境,灰色关联度分析法,化气,气象因素,市场因素,分解法,Granger,因果分析法,子序列,对子,差分自回归移动平均,ARIMA,双向长短时记忆,Bi,加得
AB值：
0.242595
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
