Page 57 - 电力与能源2023年第四期

邵佳佳，等：面向电力市场交易的客户电量预测技术研究 363

［5］ J YADONG. Research and application of convolution neu⁃ term load forecasting of multi-layer LSTM neural network
.
ral network［D］ Chengdu：University of Electronic Science considering temperature fuzzification［C］//IEEE Confer⁃

and Technology of China，2018. ence on Sustainable Power and Energy，2020.
［6］ Y LECUN，Y BENGIO，G HINTON. Deep learning［J］ . ［16］ N A MASOOD，M Z SADI，S R DEEBA，et al. Analyz⁃

Nature 2015. ing the Impact of temperature on electrical load［C］//Inter⁃
［7］ H SHI，M H XU，R LI. Deep learning for household load national Conference on Power Engineering and Optimiza⁃

.
forecasting：a novel pooling deep RNN［J］ IEEE Transac⁃ tion，2010.

tions on Smart Grid，2018. ［17］ H JINGJIE，L YINHONG，L YANGHENG. Summer

［8］ S HOCHREITER，J CHMIDHUBER. Long short-term daily peak load forecasting considering accumulation effect

memory［J］ Neural Computation，1997. and abrupt change of temperature［C］//Power and Energy
.
［9］ X MINGLEI. Short-term residence load forecast based on Society General Meeting，2012.

LSTM network［J］ Guangdong Electric power，2019. ［18］ L QIRONG，W QIAOQIAO，Z GUILIN，et al. Maxi⁃

.

［10］ L JIXIANG，Z QIPEI，Y ZHIHONG，et al. Short-term load mum daily load forecasting based on support vector regres⁃

forecasting method based on CNN-LSTM hybrid neural net⁃ sion considering accumulated temperature effect［C］//Con⁃
.

work model［J］ Automation of Electric Power Systems，2019. ference of Chinese Control and Decision，2018.

［11］ Y LECUN，Y BENGIO，G HINTON. Deep Learning［J］ . ［19］ T GUAN，Z XU，L LIN，et al. Maximum incremental load

Nature 2015. recursive model based on LS-SVM considering accumu⁃
［12］ J YADONG. Research and application of convolution neu⁃ lated temperature effect［C］//IEEE Int. Conf. on Internet

ral network［D］ Chengdu：University of Electronic Science of Things，2018.

.

and Technology of China，2018. ［20］ H LI，Z LEI，W TAO，et al. Short-term load forecasting

［13］ H SHI，M XU，R LI. Deep learning for household load based on suport vector regression considering cooling load

.
forecasting：a novel pooling deep RNN［J］ IEEE Transac⁃ in summer［C］//China Conference on Control and Deci⁃

tions on Smart Grid，2018. sion，2020.

［14］ Z LINYAO，S PENGJIA，L XINYI，D. PEIREN，et al. ［21］ H JIANGLIN，C ZHENGHONG. A relationship between

Air-conditioning load forecasting based on seasonal decom⁃ daily electric loads and meteorological elements in central
.

position and ARIMA model［C］//International Confernece China［J］ Meteorological Monthly，2002.
on Advance Computing and Innovative Technologies in En⁃ 收稿日期：2023-04-19
gineering，2021. (本文编辑：赵艳粉）

［15］ R ZHICHAO，C CHAO，DYINGYING，et al. Short-

（上接第 343 页）
障，并且能快速有效地进行故障隔离及负荷转移。
参考文献：
［1］ 丘 明 . 超导输电技术在电网中的应用［J］ 电工电能新技
.
术，2017，36（10）：55-62.
［2］ 李红雷，林 一，黄兴德 . 高温超导电缆在大都市电网的应
用前景［J］ 电力与能源，2017，38（3）：255-257.
.
［3］ 冯湘波 . 高温超导材料在未来电力系统中的应用［J］ 大众
.
用电，2001（12）：22.
［4］ 宗曦华，魏 东 . 高温超导电缆研究与应用新进展［J］ 电
.
线电缆，2013（5）：1-3.
［5］ 郭立杰 . 冷绝缘高温超导电缆的稳定性研究［D］ 北京：北
.
京交通大学，2012.
图 3 超导电缆保护动作逻辑 ［6］ 科技情报室 . 超导技术在电力系统中的应用综述［J］ 上海
.
零序电流保护作为电气量后备保护；以非电气量保 电力，2019（2）：1-19.
护作为超导电缆冷却系统的保护。整套保护方案涵 收稿日期：2023-05-11
(本文编辑：赵艳粉）
盖了各种可能影响超导电缆正常运行的异常或者故