基于深度可分离时间卷积与图卷积的综合能源系统负荷预测OA
在综合能源系统中,同一区域的多能负荷既存在跨能量耦合关系,又存在跨节点的时空依赖关系。针对传统独立建模难以刻画跨能量、跨节点依赖的问题,提出一种融合深度可分离卷积时间序列网络和图卷积网络的负荷预测方法。首先,根据用能特征相似性筛选用能单元,构建负荷数据集。然后,构建深度可分离时间卷积网络与图卷积网络的融合框架,并引入多头稀疏注意力模块以捕获关键时刻交互信息。最后,采用自适应门控机制融合深度可分离时间卷积网络和图卷积网络。实验结果表明,所提方法在综合能源系统的负荷预测中具有更高的精度,误差小于对比模型,并在单步与多步预测任务上均展现出有效性。
王继东;柴艺晗;周越;孔祥玉
智能配用电装备与系统全国重点实验室(天津大学),天津300072 智能电网教育部重点实验室(天津大学),天津300072智能配用电装备与系统全国重点实验室(天津大学),天津300072 智能电网教育部重点实验室(天津大学),天津300072智能配用电装备与系统全国重点实验室(天津大学),天津300072 智能电网教育部重点实验室(天津大学),天津300072智能配用电装备与系统全国重点实验室(天津大学),天津300072 智能电网教育部重点实验室(天津大学),天津300072
能源科技
综合能源系统负荷预测图卷积网络深度可分离时间卷积神经网络自适应门控
《电力系统保护与控制》 2026 (14)
P.123-133,11
国家自然科学基金项目资助(52277121)。
评论