基于特征排序与深度学习的母线负荷预测方法

• 作者: Yordanos Kassa Semero 熊图 蔡智洋 赵宏伟 陈明辉 陈艳伟
• 来源期刊: 可再生能源
• 学科: 工学
• 关键词: 母线负荷预测 特征排序 随机森林 深度置信网络
• 年，卷（期）: 2019,（10）
• 页码范围: 1511-1517
• 页数: 7页
• 分类号: TK0|TM73
• 字数: 4950字
• 语种: 中文
• DOI: 10.3969/j.issn.1671-5292.2019.10.015

摘要

负荷预测是指导电力系统规划和安全经济运行的重要依据.传统的负荷预测一般指区域负荷总量的预测,不能够体现底层母线负荷水平,无法满足电网精益化管理的要求,母线负荷预测是解决这一问题的关键途径.文章提出了基于特征排序与深度学习的母线负荷预测模型.首先,针对各区域母线负荷差异性较大的现状,使用随机森林算法对预测目标影响较大因素进行排序,选择特征贡献度较高的特征属性;其次,在模型训练阶段选择了深度置信网络,学习并跟踪母线负荷变化趋势;最后,采用北京电网某条110 kV母线负荷进行实例验证.结果表明,文章所建立的预测模型具有良好的预测精度和稳定度.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	熊图		3	16	2.0	3.0
2	赵宏伟		7	31	4.0	5.0
3	蔡智洋		4	2	1.0	1.0
4	陈明辉		7	15	2.0	3.0
5	陈艳伟		2	4	2.0	2.0
6	Yordanos Kassa Semero	华北电力大学新能源电力系统国家重点实验室	1	2	1.0	1.0