基于MIV-DBO-DeepAR模型的净负荷预测研究

丁立; 吴东晖; 隋佳音; 韩碧彤; 刘怡廷; 李新利; 杨国田

华北电力大学学报 ›› 2026, Vol. 53 ›› Issue (1) : 116 -128.

丁立, 吴东晖, 隋佳音, 韩碧彤, 刘怡廷, 李新利, 杨国田

作者信息 +

Author information +

文章历史 +

摘要

随着新能源装机容量不断提升，对电网的净负荷预测显得尤为重要，在此背景下，提出了一种基于MIV-DBO-DeepAR的净负荷预测方法，并构建了多模式净负荷预测策略。首先基于改进的平均影响值算法对影响净负荷的因素进行相关性分析和数据降维；其次构建基于长短期记忆网络的DeepAR净负荷预测模型，并采用蜣螂优化算法优化DeepAR模型超参数，以提升模型预测精度；最后，综合考虑净负荷的确定性预测与不确定性预测，提出了一种多模式预测策略，采用Q-Q图法验证光伏与负荷分别多次预测所得预测值的概率分布特性，并基于二元高斯分布函数求解其联合概率分布，最终得到净负荷的预测区间。通过实例仿真分析，结果表明所提预测模型在点预测与区间预测中均具有较高的预测精度以及跟踪净负荷波动的能力。