
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)
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