能源气候韧性下用电敏感行业识别与负荷预测
韦于思1
周颖1
商永朋2
武亚杰1
嵇灵2
1.中国电力科学研究院有限公司,北京 1000802.北京工业大学 经济与管理学院,北京 100020
摘要：在碳中和与极端气候双重背景下,提升区域电力系统对气象扰动的适应能力与高耗能行业的韧性管理,已成为能源安全的重要课题.构建了一个融合特征提取与模型优化的集成预测框架,首先,利用统一信息系数识别与气象高度相关的敏感型行业;随后,结合变分模态分解与样本熵技术提取负荷序列特征,并通过灰色关联分析筛选关键气象变量,构建高相关输入特征集;最后,基于长短期记忆神经网络对各模态序列建模并集成,实现日最大负荷预测.以山东省非金属矿物制品业为例,实证结果显示,该方法在预测精度、趋势拟合与极值响应方面均优于对比模型,具备良好的稳健性与泛化能力.
关键词：日最大负荷预测变分模态分解长短期记忆神经网络组合模型能源安全
分类号：F416.21(世界工业经济)
资助基金：国家电网公司总部科技项目(5400-202455314A-1-3-ZB)
论文发表日期：2025-11-28
在线出版日期：2025-12-18（本平台首次上网日期，不代表文献的发表时间）
页数：9( 15-23 )
英文信息