山东大学学报(工学版)

作者：王新建,景志滨,孟凡成,石建国,张敏昊,张一帆,王庆华,朱彦恺

单位：1. 内蒙古电力(集团)有限责任公司内蒙古电力调度控制分公司, 内蒙古 呼和浩特 010010;2.华北电力大学控制与计算机工程学院, 北京 102206

关键词：火电机组,深度学习,负荷预测,状态空间模型,自动发电量控制,

基金：内蒙古电力(集团)有限责任公司科技资助项目(内电科创〔2024〕5号)

随着新型电力系统逐渐完善,火电逐步从基荷电源向调峰电源转变。在新的发电背景下,火电机组面临着越来越严峻的运行考验和各类响应指标考核。超短期机组发电负荷预测需要考虑机组运行状态,以评估机组在未来超短期内的变负荷能力,精准的超短期机组发电负荷预测能够有效表征机组动态性能指标,有利于操作人员做出实时运行调整。针对投入自动发电量控制(auto generation control, AGC)运行方式的机组而言,AGC指令在发电负荷预测任务中起关键作用。因此,本研究在Mamba模型的基础上围绕AGC指令构建动态修正模块,实现对超短期机组负荷的精准预测。通过实际机组运行数据验证模型的预测精度。预测结果表明,本研究提出的预测模型能够实现更加精准的负荷预测。

来源：2026年第1期

《山东大学学报(工学版)》期刊编辑部

查看山东大学学报(工学版)杂志2026年第1期