物理信息稀疏回归模型

面向极端温度事件的多能源负荷建模，显著提升模型精度与可解释性，并降低数据依赖。

Wei, Fan · 周歧斌 · 边晓燕 · 胡志坚 · Liu, Yanshuo · Zhang, Jiawei

Energy 2026

参数信息

平均绝对百分比误差

0.84 %

决定系数

0.973

训练时间缩短比例

52.3%–71.4% %

技术优势

精度更高

在极端温度事件下，多能负荷预测的平均绝对百分比误差低至0.84%，决定系数达0.973。

训练更快

与基准模型相比，训练时间缩短52.3%至71.4%，提升模型开发效率。

数据依赖更低

模型能够从较少数据中学习，适用于数据稀缺场景。

可解释性更强

利用物理信息约束，模型结构更具可解释性，便于理解负荷驱动因素。

应用场景

• 综合能源系统：为综合能源系统提供高精度负荷预测模型，支撑系统规划和运行优化。
• 能源调度与控制：在极端事件下实时预测多能负荷，辅助调度控制系统做出快速响应。
• 极端天气事件分析：有效捕捉极端温度对负荷的冲击，用于极端天气场景下的负荷建模与分析。