An LSTM-SAE-Based Behind-the-Meter Load Forecasting Method

doi:10.1109/ACCESS.2023.3276646

An LSTM-SAE-Based Behind-the-Meter Load Forecasting Method

2023-01-01

6

OA

AI

DOI：10.1109/ACCESS.2023.3276646

原文链接

原文求助

摘要

En 中文

如今，电力系统中的现代技术已经引起了更多的关注，并且家庭可以基于其位置处的现场发电来供应其电力的一部分或全部。这对公用事业公司来说在监测和记录数据方面可能是具有挑战性的，因为家庭的设施可以在不通过1米的情况下产生或消耗能量，从而增加了配电网络的复杂性。将数据传输到公用事业的速度是另一个重要问题。有必要将每个房屋的智能电表 (SM) 数据发送到配电管理系统 (DMS)，以便在尽可能短的时间内进行更多分析。本文提出了一种新颖的深度学习框架，与序列到序列 (seq2seq)，长短期存储器 (LSTM) 和堆叠自动编码器 (sae) 合作，以预测考虑光伏 (PV)，电池储能系统 (BESS)，以及基于预定义模式的具有更多功能的电动汽车 (EV) 负载。实验结果表明，与其他算法相比，该方法在住宅负荷曲线预测过程中取得了优异的性能。此外，智能配电变压器可以帮助公用事业公司通过无线通信即时接收数据，这可以将传输时间缩短到每分钟，并考虑到住宅位置中分布式能源 (DERs) 的不同组合，使预测和监控更易于管理。

Keyword:

Battery energy storage system

behind-the-meter

electric vehicle

load forecasting

LSTM-based sequence-to-sequence

photovoltaic system

smart meters

An LSTM-SAE-Based Behind-the-Meter Load Forecasting Method

摘要

期刊

机构