基于深度学习与多源数据的台区短期负荷与光伏出力联合预测技术

摘要

在分布式电源快速渗透、电力负荷波动性增强以及用能形态加速多元化的背景下，台区的能量流动态呈现出高度的随机性与时空耦合特征，使短期负荷与光伏出力预测成为提升配电网运行韧性与调控精细度的关键技术之一。传统预测方法难以同时刻画负荷与光伏出力在跨时间尺度、跨空间源的非线性关联特征，导致预测偏差在高渗透率光伏场景下显著增大。本文提出的联合预测模型在MAE、RMSE及MAPE指标上均优于传统单任务模型和单源数据模型，特别是在快速变化的晴—阴—晴天气条件下表现出更高的鲁棒性，为配电网调控策略优化、储能调度、柔性负荷管理及分布式能源规划提供有效支撑。