基于人工智能的新能源电力系统负荷预测
本研究开发了一种创新的、基于人工智能技术的新能源电力系统负荷预测框架。文章深入探讨了新能源电力系统的基本概念及其在现代社会中的重要性，特别是在应对能源需求和环境保护挑战方面的作用。随后综合评述了当前流行的负荷预测技术，并特别强调了人工智能技术在电力系统中的应用潜力。本文的核心是提出了一套完整的负荷预测方法，采用了多种先进的人工智能技术，包括神经网络、支持向量机、随机森林和梯度提升决策树，以实现高精度的负荷预测。通过一系列严格的实验和深入的性能分析，本文比较了这些算法在实际应用中的表现。本研究不仅为新能源电力系统的负荷预测提供了新的技术路径，而且对于推动新能源的广泛融入和电力市场的健康发展具有重要的实践意义。
[1] 于永．电力系统中新能源发电的运用［J］．华东科技，2022,(06):70-72.
[2] 中共中央国务院．关于完整准确全面贯彻新发展理念做好碳达峰碳中和工作的意见[EB/OL].www.gov.cn/xinwen/2021-10/25/content_5644687.htm.
[3] 国家发展改革委．国家能源局关于推进电力源网荷储一体化和多能互补发展的指导意见[EB/OL].http://www.gov.cn/zhengce/zhengceku/2021-03/06/content_5590895.htm.
[4] 工业和信息化部．国家电网公司发布碳达峰碳中和行动方案[EB/OL].https://www.miit.gov.cn/jgsj/jns/xydt/art/2021/art_8f1d9e8146274b75b7505aca0703a2d0.html.
[5] 王冬青．太阳能热发电技术［M］．北京：中国电力出版社，2013.
[6] 张耀明，刘德有，张文进，等．太阳能热发电系列文章(16)70kW 塔式太阳能热发电系统研究与开发（上）［J］．太阳能，2007(10): 19-23.
[7] 牛志愿，李丽君．太阳能热发电示范项目现状及分析［J］．能源与节能，2020(12): 76-77.
[8] 刘继春．电力调度优化理论及其应用［M］．北京： 中国电力出版社，2010.
[9] 张旭，王洪涛．高比例可再生能源电力系统的输配协同优化调度方法［J］．电力系统自动化，2019,43(3): 67-75, 115.
[10] 张汇泉．基于需求响应的含光热电站新能源电力系统多源联合调度研究［D］．吉林： 东北电力大学，2020.