Resumen

La predicción de la carga de energía es significativa en un sistema de energía sostenible, lo cual es clave para la operación económica de los sistemas energéticos. Una predicción precisa de la carga de energía puede proporcionar una decisión confiable para la planificación del sistema de energía. Sin embargo, es un desafío predecir la carga de energía con un solo modelo, especialmente para la predicción a múltiples pasos, ya que los datos de carga de series temporales tienen múltiples períodos. Este artículo presenta un modelo híbrido profundo con una estructura de descomposición en dos niveles en serie. Primero, los datos de carga de energía se descomponen en componentes; luego, la red de unidad recurrente con compuertas (GRU), con parámetros de optimización bayesiana, se utiliza como subpredictor para cada componente. Por último, las predicciones de los diferentes componentes se fusionan para lograr las predicciones finales. Los datos de carga de energía de American Electric Power (AEP) se utilizaron para verificar el predictor propuesto. Los resultados mostr

• Materias:Big Data Gestión de riesgos Administración de información Red neuronal Teoría de redes
• Subjects:Big Data Risk management Information management Neural network Network Theory
• Palabras claves:Predicción de carga de energía; Sistema de energía sostenible; Operación económica de sistemas energéticos; Predicción precisa; Planificación del sistema de energía; Modelo híbrido profundo
• Keywords:Power load prediction; Sustainable power system; Energy systems economic operation; Accurate prediction; Power system planning; Deep hybrid model