深度神经网络在配电网公变短期负荷预测中的应用研究

• 作者: 赖尚栋 韩翊 黄宇腾
• 来源期刊: 浙江电力
• 学科: 工学
• 关键词: 负荷预测 配电网公变 深度神经网络模型 MXNet 深度学习
• 年，卷（期）: 2018,（5）
• 所属期刊栏目: 信息通信技术
• 页码范围: 1-6
• 页数: 6页
• 分类号: TM715+.1
• 字数: 4144字
• 语种: 中文
• DOI: 10.19585/j.zjdl.201805001

摘要

精准的负荷预测关系着电力系统安全、 经济和可靠运行,短期负荷预测一直是电力系统的重要研究方向之一.结合深度学习理论,基于MXNet深度学习框架,采用深度神经网络算法预测配电网公变短期负荷,考虑负荷自身历史运行状态、 气象因素、 变压器属性、 电力用户特征等多重因素影响,对传统电力负荷预测进行了创新和探索,并通过在某省的实际应用效果表明,基于MXNet框架的深度神经网络模型训练效率良好.基于深度神经网络的短期负荷预测模型有很强的泛化能力与通用性,为不同地区、 不同类型的公变建立个性化的预测模型提供了可行方法.模型部署于阿里云大数据平台,基于阿里云大数据实现了配电网公变日负荷的实时预测.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	黄宇腾		7	28	3.0	5.0
2	韩翊		3	23	2.0	3.0
3	赖尚栋		2	15	1.0	2.0