Volume 3,Issue 7
基于内蒙古自治区电网影响因素的负荷预测分析
电力负荷预测是电力系统调度与运行管理的重要基础，准确的短期负荷预测对于保障风电并网后电网的安全稳定运行具有重要意义。本文选取内蒙古自治区某风电场的真实数据集开展实验，验证了 PSO 优化的 CNN-LSTM-Attention 模型在内蒙古风电场景下的短期电力负荷预测中具有良好的适用性与优越性，所提方法可为区域电力系统的风电并网与智能化调度提供有价值的技术参考。
[1] 武强 . 协调规模与效能，推进煤炭与新能源协同发展 [N]. 中国能源报 ,2025-07-02.
[2] 陈柏任 , 陈沁铭 , 邵敏伦 , 等 . 实测用电数据驱动的需求侧响应电力用户二次聚类及双层 BiLSTM 预测方法 [J/OL]. 南方电网技术 ,1-11[2026-01-12].https://link.cnki.net/urlid/44.1643.tk.20260104.1333.006.
[3] 包育德 , 邱润韬 , 许博智 . 基于 ADKDE-LSTM 的变电站短期负荷功率区间预测研究 [J]. 电器与能效管理技术 ,2025,(11):42-50.DOI:10.16628/j.cnki.2095-8188.2025.11.006.
[4] 戚励楠 , 姚正平 , 王青磊 . 基于 SSA-VMD 和 QPSO-LSTM 的短期电力负荷预测方法 [J]. 自动化应用 ,2025,66(22):57-61.DOI:10.19769/j.zdhy.2025.22.015.
[5] 王海文 , 谭爱国 , 彭赛 , 等 . 基于 LGWO-XGBoost-LightGBM-GRU 的短期电力负荷预测算法 [J]. 湖北民族大学学报 ( 自然科学版 ),2025,43(01):73-79.DOI:10.13501/j.cnki.42-1908/n.2024.12.019.
[6] 宋冠君 , 王磊 , 张鹏超 , 等 . 基于双通道特征提取 VMD-CNN-BiLSTM 的短期负荷预测 [J/OL]. 电力系统及其自动化学报 ,1-14[2026-01-12].https://doi.org/10.19635/j.cnki.csu-epsa.001751.
[7] 冯崇峰 , 孟春旅 , 冯积家 . 基于混合深度学习的电力负荷预测模型 [J]. 电力需求侧管理 ,2024,26(06):94-100.
[8] 李志霄 , 武文丽 , 武衡 , 等 . 基于时滞注意力机制的短期电力负荷预测 [J/OL]. 计算机技术与发展 ,1-9[2026-01-12].https://doi.org/10.20165/j.cnki.ISSN1673-629X.2025.0308.
[9] 饶弘宇 , 陈馨 , 陈胜 , 等 . 基于改进鲸鱼算法的 Bi-LSTM 电力负荷预测 [J]. 计算机与现代化 ,2025,(07):77-82+89+126.
[10] 王生 , 张和茂 , 王晓荣 . 基于 CNN-LSTM-AM 模型的短期电力负荷预测研究 [J]. 电工电气 ,2025,(05):57-61.
[11] 孙帆 . 含冷热电联供的用户级综合能源系统多能协同优化调度研究 [D]. 华北电力大学 ,2021.DOI:10.27139/d.cnki.ghbdu.2021.000118.
[12] 任明远 , 马国瀚 , 唐聪 , 等 . 基于 CNN-Attention-BiLSTM 的碳化硅企业负荷预测与可调节潜力分析 [J]. 电力需求侧管理 ,2025,27(03):38-43.
[13] 王生 , 张和茂 , 王晓荣 . 基于 CNN-LSTM-AM 模型的短期电力负荷预测研究 [J]. 电工电气 ,2025,(05):57-61.
[14] 王婷 . 基于 LSTM 深度网络的电力负荷预测 [D]. 山西大学 ,2020.DOI:10.27284/d.cnki.gsxiu.2020.000860.
[15] 王剑锋 , 郑剑 , 王旭东 , 等 . 基于改进深度信念网络的短期电力负荷预测方法 [J]. 电力系统及其自动化学报 ,2021,33(10):125-130.DOI:10.19635/j.cnki.csu-epsa.000781.