2025年人工智能在电力需求侧仿真与预测中的若干应用报告-厦门大学（景锐）.pptxVIP

人工智能在电力需求侧仿真与预测中的若干应用

景锐(副教授)

厦门大学能源学院;

目录;

国家能源局

源荷(灵活负荷)

《电力系统调节能力优化专项行动实施方案(2025-2027年)》;

一个老问题的几个新挑战：

历史/未来天气

(a)CMIP6未来气象数据库(b)动态降尺度方法

(a)MERRA-2历史气象库(c)聚类生成典型概率场景

难点：气象与能源学科关于天气数据的时空颗粒度未对齐;

思路：基于气象、面向能源，降尺度对齐天气数据的时空颗粒度

思路：实测电耗、数据驱动验证;

1/010100:000923-010000122701000;;

数据大类;

地理空间与负荷仿真耦合的关键技术;

Cluster;

A)典型建筑/社区验证B)典型行业多时间尺度验证

-城乡居民+工商业

-与实际能耗对比修正

-四季逐时典型周验证

建立典型建筑和社区模型，与实际能耗对比修正

D)单栋-社区-整个城市多空间尺度验证C)冷-热-电多能耗负荷验证

88-夏季冷、冬季热、全年电负荷，用实际能耗校准

Generator

典型建筑能耗

、本、A习福州厦门误差5%;

工作基础-全国城市能耗地图(广州、上海为例);

CECMWF

WCRPCMIP6

WortdCimateReseurchProgrenme

超2TB气象数据滚动迭代;

城市微气候+全国城市能耗地图;

目录;

门控循环单元GRU为LSTM的简化

变体，将遗忘门与输入门合并为更新门，将输出门替换为重置门，可对前序信息进行记忆或遗忘，兼顾负荷序列时序性与非线性，进一步减少参数需求，降低训练难度

GRU

MDh;

·极端天气(如热浪、寒潮)和新型负荷

(如氢能、数据中心)缺乏历史数据，导致学习困境

·小样本训练的模型在面对新场景时，泛化能力差;

输入

线性变换线性变换???性变换

O

线性变换线性变换线性变换

缩放点积注意力机制

拼接

线性变换

输出

MultiHead(X)=Concat(h?,h?,…,hn)·W

hi=Attention(X);

谢谢!恳请批评指正

景锐(副教授)

厦门大学能源学院

rjing@xmu.edu.cn