基于D-Mamba模型的超短期火电机组发电负荷预测

摘要

随着新型电力系统逐渐完善，火电逐步从基荷电源向调峰电源转变。在新的发电背景下，火电机组面临着越来越严峻的运行考验和各类响应指标考核。超短期机组发电负荷预测需要考虑机组运行状态，以评估机组在未来超短期内的变负荷能力，精准的超短期机组发电负荷预测能够有效表征机组动态性能指标，有利于操作人员做出实时运行调整。针对投入自动发电量控制(auto generation control, AGC)运行方式的机组而言，AGC指令在发电负荷预测任务中起关键作用。因此，本研究在Mamba模型的基础上围绕AGC指令构建动态修正模块，实现对超短期机组负荷的精准预测。通过实际机组运行数据验证模型的预测精度。预测结果表明，本研究提出的预测模型能够实现更加精准的负荷预测。

关键词

火电机组 / 深度学习 / 负荷预测 / 状态空间模型 / 自动发电量控制