《表2 模型输入数据:基于深度学习的短期电力负荷预测》
由图1和2可以看出,温度与气温、季节、工作日等相关,而且有较明显的周期特性,首先是在24h的小周期内,即1d的负荷变化趋势总是相似的,所以可以将过去24h的温度、负荷数据作为输入;其次是一周的周期特性,一周内工作日和周末的负荷变化趋势也是相似的,故将过去1周7d第h小时的温度、负荷作为输入;再次,为了加强模型识别长期趋势的能力,将此前4周同一日的第h小时的温度、负荷作为输入,最后将预测当天的季节、工作日信息作为输入。本文采用的输入数据如表2所示。
图表编号 | XD00117800800 严禁用于非法目的 |
---|---|
绘制时间 | 2020.01.01 |
作者 | 姚栋方、吴瀛、罗磊、阎帅、武文广、丁宏 |
绘制单位 | 中国南方电网有限责任公司超高压输电公司检修试验中心、中国南方电网有限责任公司超高压输电公司检修试验中心、中国南方电网有限责任公司超高压输电公司检修试验中心、中国南方电网有限责任公司超高压输电公司检修试验中心、南瑞集团(国网电力科学研究院)有限公司、南瑞集团(国网电力科学研究院)有限公司 |
更多格式 | 高清、无水印(增值服务) |