Thứ năm, 28/03/2024 | 23:28 - GMT+7

Ứng dụng mô hình kết hợp GCN-WAVENET trong dự báo tải ngắn hạn cho hệ thống lưới điện nhỏ

Bài báo này đề xuất một phương pháp tích hợp mới để dự báo phụ tải ngắn hạn (STLF); Xem xét sử dụng cả chuỗi dữ liệu dài và ngắn của phụ tải và một số yếu tố như công suất đỉnh, nhiệt độ,… để dự báo nhu cầu tải hàng giờ của MG.

14/04/2023 - 13:54
TÓM TẮT:
Dự báo phụ tải điện là một vấn đề quan trọng trong quản lý năng lượng lưới điện nhỏ (Microgrid - MG). Dự báo phụ tải với việc xem xét nhiều yếu tố tác động để nâng cao độ chính xác và đáp ứng cho những biến động của các yếu tố đó là vấn đề đang được quan tâm trong MG. Bài báo này đề xuất một phương pháp tích hợp mới để dự báo phụ tải ngắn hạn (STLF); Xem xét sử dụng cả chuỗi dữ liệu dài và ngắn của phụ tải và một số yếu tố như công suất đỉnh, nhiệt độ,… để dự báo nhu cầu tải hàng giờ của MG. Nhóm tác giả xem xét một mô hình dự đoán với nhiều yếu tố, nghiên cứu này đã tích hợp Mạng tích chập đồ thị (Graph Convolutional Network - GCN) vào các nút của mạng Wavenet. Mô hình dự báo được so sánh với các mô hình dự báo trước đó. Kết quả cho thấy, mô hình đề xuất của nhóm tác giả vượt trội hơn các mô hình dựa trên học sâu khác về RMSE và MAPE.
Từ khóa: Mạng tích chập đồ thị (GCN); Wavenet; phụ tải ngắn hạn (STLF); Mạng nơ ron tích chập truyền thống (CNN)
THE APPLICATION OF HYBRID GCN-WAVENET MODEL IN SHORT-TERM LOAD FORECASTING FOR MICROGRID SYSTEM
Abstract: Load forecasting is an important issue in Microgrid Grid (MG) energy management. Load forecasting with consideration of many influencing factors to improve the accuracy and response for the fluctuations of those factors is a concerning matter in MG. This paper proposes a new integrated method for short-term load forecasting (STLF); And consider using both long and short data series of loads and several factors such as peak load, temperature, etc. to forecast hourly load demand of MG. We consider a predictive model with many factors, in which there is an integration of the Graph Convolutional Network (GCN) into the nodes of the Wavenet network. The forecasting model is compared with the previous forecasting ones. The results show that, our proposed model is more superior than other deep learning-based ones in both RMSE and MAPE.
Key words: Graph Convolutional Network (GCN); Wavenet; ShortTerm Load Forecasting (STLF); Convolutional Neural Network (CNN)
Xem chi tiết bài viết TẠI ĐÂY.
Nguyễn Thanh Hoan1*, Lê Duy Phúc1, Trương Việt Anh2, Nguyễn Hữu Vinh1, Trương Đình Nhơn2, Lê Kim Hùng3
1Tổng công ty Điện lực Tp. Hồ Chí Minh
2Trường Đại học Sư phạm Kỹ thuật Tp. Hồ Chí Minh
3Trường Đại học Bách khoa - Đại học Đà Nẵng
*Tác giả liên hệ: [email protected]
(Nguồn: Tạp chí Khoa học và Công nghệ - Đại học Đà Nẵng, số 20, 11/2/2022)

Xem thêm

Tổng số lượt truy cập :
  • 1
  • 4
  • 0
  • 0
  • 3
  • 7
  • 9
  • 2