社区所有版块导航
Python
python开源   Django   Python   DjangoApp   pycharm  
DATA
docker   Elasticsearch  
aigc
aigc   chatgpt  
WEB开发
linux   MongoDB   Redis   DATABASE   NGINX   其他Web框架   web工具   zookeeper   tornado   NoSql   Bootstrap   js   peewee   Git   bottle   IE   MQ   Jquery  
机器学习
机器学习算法  
Python88.com
反馈   公告   社区推广  
产品
短视频  
印度
印度  
Py学习  »  机器学习算法

深度学习在电力系统预测中的应用

专知 • 2 年前 • 515 次点击  


摘要: 电力系统预测主要包括负荷预测、出力预测以及健康状态预测等。通过负荷预测,可以优化电力生产规划,从而更好地实现电能的精细化分配;通过出力预测,可以有效提升新能源电力消纳能力,实现电能的充分及合理利用;通过电力设备健康状态预测,可以及时发现设备运行隐患,从而进一步保障电力系统平稳安全运行。深度学习凭借其卓越的特征分析和预测能力,被广泛应用于电力系统运行及维护。本文首先归纳介绍了电力系统预测深度学习模型的特点、适用场景;其次,梳理了深度学习在面向民用及工业场景负荷预测、光伏及风电出力预测、机械及非机械设备健康状态预测中的应用前沿;最后,对深度学习在电力系统预测中所面临的关键问题、发展趋势进行了总结和展望。

http://115.25.60.6/article/doi/10.13374/j.issn2095-9389.2021.12.21.006

现代电力系统结构日益复杂,规模不断扩大, 若仅仅依靠传统的物理建模方法,难以充分应对 运行分析需求[1] . 结合多源数据,深度学习已广泛 应用于电力系统预测. 通过采集运维数据、设备 数据等电力系统各环节基础数据,结合深度学习 技术,可以较好地拟合影响电力系统后续运行状 态各因素之间的非线性关系[2] ,建立预测模型,实 现电力系统预测,如负荷预测[3] 和出力预测[4] 等. 本文着重对目前研究较多的几种预测,包括电力 系统负荷预测、新能源出力预测和电力设备健康 状态预测的应用情况进行归纳和梳理. 针对不同 的应用场景,电力系统负荷预测分为面向民用场 景的负荷预测和面向工业场景的负荷预测;针对 不同的预测对象,出力预测分为光伏出力预测和 风电出力预测;针对不同的设备种类,健康状态预 测分为机械类设备健康状态预测和非机械设备健 康状态预测.


专知便捷查看

便捷下载,请关注专知公众号(点击上方蓝色专知关注)

  • 后台回复“DPSP” 就可以获取《深度学习在电力系统预测中的应用》专知下载链接

                       
专知,专业可信的人工智能知识分发,让认知协作更快更好!欢迎注册登录专知www.zhuanzhi.ai,获取100000+AI(AI与军事、医药、公安等)主题干货知识资料!
欢迎微信扫一扫加入专知人工智能知识星球群,获取最新AI专业干货知识教程资料和与专家交流咨询
点击“阅读原文”,了解使用专知,查看获取100000+AI主题知识资料

Python社区是高质量的Python/Django开发社区
本文地址:http://www.python88.com/topic/151946
 
515 次点击