留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

基于深度学习的电网短期负荷预测方法研究

吴润泽 包正睿 宋雪莹 邓 伟

吴润泽, 包正睿, 宋雪莹, 等. 基于深度学习的电网短期负荷预测方法研究[J]. 现代电力, 2018, 35(2): 43-48.
引用本文: 吴润泽, 包正睿, 宋雪莹, 等. 基于深度学习的电网短期负荷预测方法研究[J]. 现代电力, 2018, 35(2): 43-48.
WU Runze, BAO Zhengrui, SONG Xueying, etc. Research on Short-term Load Forecasting Method of Power Grid Based on Deep Learning[J]. Modern Electric Power, 2018, 35(2): 43-48.
Citation: WU Runze, BAO Zhengrui, SONG Xueying, etc. Research on Short-term Load Forecasting Method of Power Grid Based on Deep Learning[J]. Modern Electric Power, 2018, 35(2): 43-48.

基于深度学习的电网短期负荷预测方法研究

基金项目: 国家自然科学基金资助项目(51507063);国家电网公司科技项目(B34681150152)
详细信息
    作者简介:

    吴润泽(1975—),女,博士,副教授,研究方向为智能电网大数据技术研究,E-mail:wurz@ncepu.edu.cn;包正睿(1992—),男,硕士研究生,研究方向为面向智能电网应用的大数据关键技术和电力负荷预测, E-mail:baozr_ncepu@163.com。

  • 中图分类号: TM715

Research on Short-term Load Forecasting Method of Power Grid Based on Deep Learning

计量
  • 文章访问数:  2051
  • HTML全文浏览量:  102
  • PDF下载量:  72
  • 被引次数: 0
出版历程
  • 收稿日期:  2017-06-18
  • 修回日期:  2018-04-09
  • 刊出日期:  2018-04-09

基于深度学习的电网短期负荷预测方法研究

    基金项目:  国家自然科学基金资助项目(51507063);国家电网公司科技项目(B34681150152)
    作者简介:

    吴润泽(1975—),女,博士,副教授,研究方向为智能电网大数据技术研究,E-mail:wurz@ncepu.edu.cn;包正睿(1992—),男,硕士研究生,研究方向为面向智能电网应用的大数据关键技术和电力负荷预测, E-mail:baozr_ncepu@163.com。

  • 中图分类号: TM715

摘要: 深度模型通过学习一种深层非线性网络结构以实现复杂函数逼近,具有很强的自适应感知能力。本文为了提高电力负荷预测精度,提出一种基于栈式自编码神经网络的深度学习预测方法。该方法结合自编码器和逻辑回归分类器构建一个多输入单输出预测模型,并将重构后的历史负荷、气象信息等数据输入到预测模型中,用栈式自编码器逐层学习并提取深层特征,最后在网络顶层连接逻辑回归模型进行短期负荷预测。实例分析表明,所提预测模型能够有效刻画日负荷变化规律,泛化能力较强,其预测精度达到96.2%,比支持向量回归和模糊神经网络两种浅层学习模型更高。

English Abstract

吴润泽, 包正睿, 宋雪莹, 等. 基于深度学习的电网短期负荷预测方法研究[J]. 现代电力, 2018, 35(2): 43-48.
引用本文: 吴润泽, 包正睿, 宋雪莹, 等. 基于深度学习的电网短期负荷预测方法研究[J]. 现代电力, 2018, 35(2): 43-48.
WU Runze, BAO Zhengrui, SONG Xueying, etc. Research on Short-term Load Forecasting Method of Power Grid Based on Deep Learning[J]. Modern Electric Power, 2018, 35(2): 43-48.
Citation: WU Runze, BAO Zhengrui, SONG Xueying, etc. Research on Short-term Load Forecasting Method of Power Grid Based on Deep Learning[J]. Modern Electric Power, 2018, 35(2): 43-48.
参考文献 (1)

目录

    /

    返回文章
    返回