基于深度学习的并行负荷预测方法

• 作者: 卢杏坚 高小征
• 来源期刊: 自动化与信息工程
• 关键词: 负荷预测 深度学习 并行计算 置信度网络 无监督学习
• 年，卷（期）: 2017,（4）
• 所属期刊栏目: 应用技术
• 页码范围: 26-30
• 页数: 5页
• 字数: 2588字
• 语种: 中文

摘要

针对传统电力负荷预测算法存在模型训练速度慢、预测效果差等问题,提出基于深度学习的并行负荷预测方法.该方法基于MapReduce并行计算框架,结合深度信念网络模型,以历史负荷信息与天气信息为样本数据进行并行化训练,并通过训练模型预测负荷值.经实验验证,本文的预测方法预测的电力负荷值与实际值的平均均方根误差为2.86%,预测精度高于传统方法,且有效减少了训练与预测时间,能适应大规模电力数据的预测要求.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	卢杏坚		3	9	2.0	3.0
2	高小征		1	2	1.0	1.0