LSTM和蚁群算法在智能电厂调度中的应用

• 作者: 孙仪 李端超 梁肖 胡逸飞 高卫恒 黄太贵
• 来源期刊: 自动化仪表
• 学科: 工学
• 关键词: 智能电网 节能调度 机器学习 深度学习 长短时记忆网络 蚁群算法
• 年，卷（期）: 2018,（5）
• 所属期刊栏目: 应用实践
• 页码范围: 98-102
• 页数: 5页
• 分类号: TH-164|TP183
• 字数: 3173字
• 语种: 中文
• DOI: 10.16086/j.cnki.issn1000-0380.2017090041

摘要

各级电力公司积累了大量的历史发电数据,但是一直以来都没有得到有效利用.针对采用手工方式进行电力调度存在效率较低的问题,提出了一种基于长短时记忆网络(LSTM)和蚁群算法的智能调度算法.基于LSTM深度学习算法,通过对电力公司历史数据进行建模,LSTM算法可以有效提取出有效特征,实现预测一定条件下机组的耗煤量.同时,利用蚁群算法(ACO)设计了一种智能电力调度算法,从而在满足在完成实时发电任务的情况下,尽可能地节能减排.试验表明,采用LSTM算法,相比较线性回归、随机森林等算法,预测耗煤量的均方误差更小;采用ACO算法,相比较等微增率法、动态规划法以及遗传算法,可以更加快速、有效地分配发电负荷.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李端超		13	396	8.0	13.0
2	黄太贵		16	155	8.0	12.0
3	梁肖		11	36	3.0	5.0
4	胡逸飞	中国科学技术大学计算机科学与技术学院	2	5	2.0	2.0
5	高卫恒		4	11	3.0	3.0
6	孙仪		2	6	2.0	2.0