深度学习在电力负荷预测中的应用综述

• 作者: 于坤杰 张建康 朱俊丞 杨之乐 穆晓敏 郭媛君
• 来源期刊: 郑州大学学报（工学版）
• 学科: 工学
• 关键词: 深度学习 电力系统 负荷预测 人工神经网络 LSTM
• 年，卷（期）: 2019,（5）
• 页码范围: 12-21
• 页数: 10页
• 分类号: TU528.1
• 字数: 7645字
• 语种: 中文
• DOI: 10.13705/j.issn.1671-6833.2019.05.005

摘要

在综合能源系统和能源互联网的高速发展中,电力负荷预测对电力系统的经济安全运行具有重要的作用.传统的负荷预测模型方法已在电力系统中取得了广泛应用,传统方法的简单计算模型对于高随机性、大数据背景下的动态负荷预测精度无法保证.近年来,在计算工具不断升级和训练数据量大规模提升的背景下,深度学习方法在电力负荷预测领域的应用得到了广泛重视.对多种深度学习方法在负荷预测领域中的应用进行了叙述分析,回顾了循环神经网络(RNN)、长短期记忆网络(LSTM)、深度置信网络(DBN)、卷积神经网络(CNN)等不同深度学习方法预测模型.对比于传统的负荷预测方法,深度学习方法具有更高的预测精度,对于各种外部影响因素具有更好的鲁棒性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	穆晓敏	郑州大学信息工程学院	114	510	11.0	16.0
2	于坤杰	郑州大学电气工程学院	4	14	2.0	3.0
3	张建康	郑州大学信息工程学院	15	55	3.0	7.0
4	杨之乐	中国科学院深圳先进技术研究院	3	77	2.0	3.0
5	郭媛君	中国科学院深圳先进技术研究院	3	17	2.0	3.0
6	朱俊丞	郑州大学产业技术研究院	1	2	1.0	1.0