Page 56 - 《中国电力》2026年第5期

2026 年 第 59 卷

真实值； 对负荷的影响；同时 的双门控机制在负荷
9 0.5分位数； GSNP
8 PINC=80% 波动阶段选择性保留历史状态，并且与其他传统
负荷/MW 7 6 循环神经网络相比，其脉冲传输机制避免了因长
4 5
3 期依赖导致的信息丢失，使预测区间紧密贴合真
0 20 40 60 80 100
采样点/60 min 实值的变化趋势。这证明了本文方法在区间预测
a) 80%置信区间
及分位数预测上的优势。
真实值；
9 0.5分位数；
8 PINC=85%
负荷/MW 7 6 0

4 5 −500
3 −1 000
0 20 40 60 80 100
采样点/60 min x AIS −1 500
b) 85%置信区间
−2 000 PINC=90%；
真实值；
9 0.5分位数； PINC=85%；
8 PINC=90% −2 500 PINC=80%
负荷/MW 7 6 5 本文方法 GSNP LSTM GRU CBLM CBGU
4 a) AIS指标结果比较
3
0 20 40 60 80 100 250
采样点/60 min 平均PL值；
c) 90%置信区间 200 0.25分位数PL值；
0.50分位数PL值；
图 3 不同置信区间预测结果（案例 1） 150 0.75分位数PL值
Fig. 3 Prediction results of different confidence intervals x PL /kW
(case 1) 100

变化趋势。 50
与 其 他 模 型 的 PL 和 AIS 比 较 如 图 4 所 示 ，
0
表 3 和表 4 为具体评价数据。可以看出，在 90% 本文方法 GSNP LSTM GRU CBLM CBGU
以及 80% 置信区间上，除 LSTM 外，其余模型预 b) PL指标结果比较
测区间覆盖概率均超过了对应的 PINC，因此 LSTM 图 4 AIS 与 PL 指标结果对比（案例 1）
Fig. 4 Comparison of AIS and PL index results (case 1)
在 这 2 个 置 信 区 间 的 预 测 结 果 是 不 可 靠 的 。 其
中 ， 本 文 所 提 方 法 在 保 证 一 定 区 间 覆 盖 率 的 同 2）中位数预测结果。
时，区间宽度是所有模型中最窄的。在 3 个置信 本文方法中位数预测结果及与其他模型的比
区 间 下 ， 本 文 方 法 的 AIS 平 均 值 相 较 于 GSNP、 较如图 5 所示。可以看出，所提模型在确定性点
LSTM、 GRU、 CBLM 和 CBGU 分 别 提 升 了 25%、 预测方面比其他模型具有更高的准确度。表 5 列
26.56%、56.89%、48.42% 和 39.55%，平均 PL 误差 出 了 各 项 确 定 性 点 预 测 评 价 指 标 ， 本 文 方 法 的
分 别 降 低 了 10.48%、 18.1%、 36.65%、 44.13% 和 MAPE 及 MAE 误 差 均 为 最 小 ， 且 R 最 高 。 这 些
2
37.25%。这样的提升效果是因为，LASSO 算法筛 结果证明了所提模型在确定性点预测性能上的优
选出了主导特征，消除了湿度与降雨量无关特征 越性。

表 3 各模型区间预测指标（案例 1）
Table 3 Prediction interval indicators for each model (case 1)
置信 本文方法 GSNP LSTM GRU CBLM CBGU
度/% X PICP X PINAW X AIS X PICP X PINAW X AIS X PICP X PINAW X AIS X PICP X PINAW X AIS X PICP X PINAW X AIS X PICP X PINAW X AIS
90 91.57 0.083 5 –519.18 92.93 0.111 0 –690.49 89.57 0.112 6 –700.37 96.14 0.210 4 –1 307.95 96.00 0.157 0 –976.17 94.45 0.128 3 –797.67
85 86.79 0.074 4 –473.50 88.71 0.099 7 –631.03 87.71 0.100 7 –670.23 93.93 0.162 1 –1 127.10 90.75 0.138 1 –859.26 90.80 0.117 9 –733.42
80 81.71 0.060 2 –332.79 85.00 0.080 6 –445.15 78.50 0.079 7 –440.48 83.07 0.126 5 –698.76 81.90 0.114 9 –714.61 83.50 0.103 3 –642.51

52