电工电能新技术

作者：易德荣1， 姚一鸣1， 梁纪峰2， 胡博1， 侯凯文1， 李春燕1

单位：1. 输变电装备技术全国重点实验室(重庆大学)， 重庆 400044;
2. 国网河北省电力有限公司电力科学研究院， 河北 石家庄 050081

关键词：风-光-荷； 中长期场景； 深度学习； 多任务学习； 注意力机制

基金：国家电网公司总部科技项目（(5108-202218280A-2-299-XG）

随着“双碳”目标的推进，我国可再生能源发电以及灵活性负荷快速增长，给电力系统带来更多不确定性。如何生成准确的风-光-荷场景，以辅助电力系统决策，成为亟待解决的问题。然而，现阶段缺乏充分计及风-光-荷之间相关性的中长期场景生成方法。针对上述问题，本文将双向长短期记忆网络(BiLSTM)、多任务学习(MTL)和注意力(Attention)机制相结合，提出了基于BiLSTM-MTL-Attention的风-光-荷中长期场景生成方法，将气象特征向量以及风-光-荷历史数据作为输入特征，通过数据驱动的方法挖掘输入特征之间的相关性，提取共性特征，同时保留差异性，从而提高模型的泛化能力，改善场景生成的精度。算例分析表明，本文提出的场景生成方法能大幅提高场景生成的精度，可以为电力系统中长期规划提供有效的理论和方法借鉴。

来源：2025年第7期

《电工电能新技术》期刊编辑部

查看电工电能新技术杂志2025年第7期