基于随机神经网络的短期负荷预测

• 作者: 王强强 王瑞 逯静
• 来源期刊: 制造业自动化
• 学科: 工学
• 关键词: 负荷预测 神经网络 梯度下降 ADAM算法 随机神经网络
• 年，卷（期）: 2019,（7）
• 所属期刊栏目: 控制技术
• 页码范围: 44-48
• 页数: 5页
• 分类号: TP18
• 字数: 4156字
• 语种: 中文
• DOI: 10.3969/j.issn.1009-0134.2019.07.012

摘要

短期负荷受社会因素和自然因素的影响,使得精准负荷预测困难重重.为了提高短期电力负荷预测精度,提出一种基于改进一般随机神经网络的负荷预测模型.随机神经网络与传统的BP神经网络相比的优势在于随机神经网络在参数优化过程中不会陷入局部最优,但是随机神经也存在自身的不足.针对一般随机神经网络优化过慢;参数优化朝着局部数据而不是整体训练数据,导致最后保存模型不是对整个训练集整体的最优模型.提出在随机神经网络预测模型中用Adam算法替代传统的梯度下降优化算法加快优化,并在随机神经网络模型每次更新后计算整体数据的损失函数,保存损失函数最小时的模型.通过实验分析,验证改进的随机神经网络模型更加有效.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	逯静	河南理工大学计算机科学与技术学院	8	14	2.0	3.0
2	王瑞	河南理工大学计算机科学与技术学院	11	39	4.0	6.0
3	王强强	河南理工大学计算机科学与技术学院	1	1	1.0	1.0