不確実な電力システムにおける電力負荷予測のための改良されたCNN-BILSTMモデル

電力負荷予測は、電力網運用の信頼性と電力需要予測の正確性を確保するために基本的な要素です。しかし、風速や水流などの電力生成から生じる不確実性や電力需要の変動は、既存の電力負荷予測方法に新たな課題をもたらします。本論文では、不確実な電力条件に影響を受けるシステムにおける電力負荷を分析するための改良された畳み込みニューラルネットワーク–双方向長短期記憶（CNN-BILSTM）モデルを提案します。最初に、実際の電力システムに固有の不確実性特性を明確にし、電源負荷の変動に基づくデータ駆動型電力負荷モデルを構築します。この基盤を踏まえ、電力データから特徴を抽出するための畳み込みニューラルネットワーク（CNN）モジュールと、前方LSTMモジュールおよび逆LSTMモジュールで構成されるCNN-BILSTMモデルを設計します。2つのLSTMモジュールは、全体の電力負荷データにおける前方および逆電力負荷のタイミングに影響を与える要因を考慮し、モデルの性能とデータ利用効率を向上させます。さらに、提案されたCNN-BILSTMモデルの有効性を評価するために比較実験を実施します。実験結果は、CNN-BILSTMが不確実な電力生成と電力需要に特徴づけられた電力システム内で電力負荷を効果的かつより正確に予測できることを示しています。したがって、産業応用に対して有望な展望を示しています。