基于轻量化特征筛选的高原牵引负荷超短期预测OA

针对高原牵引供电系统再生制动能量利用率低、电压波动剧烈以及缺乏实时行车指令导致负荷预测困难的问题,提出一种面向“源-网-车-储”系统日内调度与实时控制的超短期负荷预测方法。首先,构建秒级特征量化体系,并提出多阶段动态特征筛选模型,剔除冗余特征以实现模型轻量化。其次,构建融合自适应噪声完备集合经验模态分解(complete ensemble empirical mode decomposition with adaptive noise,CEEMDAN)、卷积神经网络(convolutional neural network,CNN)、双向长短期记忆网络(bidirectional long short-term memory,BiLSTM)和随机森林(random forest,RF)的混合预测模型,并引入贝叶斯优化对超参数进行自适应寻优。最后,算例结果表明所提方法能够有效提升高原牵引负荷超短期预测精度,具有较好的动态特征捕捉能力、跟踪性能和稳定性,可为实时能量管理提供可靠的前瞻性决策依据。