原创力文档- 1、本文档共9页，可阅读全部内容。
- 2、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。
- 3、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
第57卷第1期中国电力Vol.57,No.1
2024年1月ELECTRICPOWERJan.2024
面向虚拟电厂运营的温度敏感负荷分析与
演变趋势研判
周颖，白雪峰，王阳，邱敏，孙冲，武亚杰，李彬1231412
(1.
需求侧多能互补优化与供需互动技术北京市重点实验室（中国电力科学研究院有限公司），北京100192；
2.
华北电力大学
电气与电子工程学院，北京102206；3.
国家电网有限公司，北京100031；
4.
国网河北省电力有限公司
营销服务中心，河北
石家庄050081)
摘要：随着极端天气频发，温度敏感负荷用电逐年攀升，温度敏感负荷作为虚拟电厂优质的调控资源，
亟须分析气象变化对于此类负荷的影响，由于叠加极端高温、大规模寒潮等异常天气的影响，温度敏感负
荷波动剧烈，常规分析预测方法难以适应极端气象场景。针对寒潮天气下温度敏感负荷样本数据及预测精
度不足的问题，提出寒潮天气小样本条件下的温度敏感负荷日最大负荷预测方法。该方法先采用时序对抗
生成网络（TimeGAN）扩充寒潮期间小样本数据，再采用卷积-长短时记忆神经网络（CNN-LSTM）对寒潮
期间的日最大负荷进行预测。以国内某省近两年迎峰度冬期间数据进行模型验证，结果表明所提模型优于
其他模型的预测结果，在验证集上日最大负荷的预测精度为99.5%。
关键词：温度敏感负荷预测；寒潮；时间序列生成对抗网络；虚拟电厂；卷积神经网络；长短时记忆神经
网络
DOI：10.11930/j.issn.1004-9649.202307100
0引言间的极端高温、寒潮时，是进行虚拟电厂调峰的
重要场景，但目前对于极端气象场景的预测精度
随着人们对生产生活舒适度要求的提高，同往往较低，准确把握温度敏感负荷大小能够帮助
时由于极端天气频发、广发，使得温度敏感负荷虚拟电厂在发电侧综合评估区域内分类分布式发
[1]
不断攀升，负荷峰值不断刷新纪录，电力保供电机组的攀峰响应能力，在用电侧可以及时下达
压力逐渐增加。2022年11月国家能源局发布《电[3]
需求响应邀约以降低部分负荷，缓解紧张的供
力现货市场基本规则（征求意见稿）》要求
文档评论（0）