一种基于深度学习的居民家庭短期用电预测方法

• 作者: 叶振宇 唐李洋 潘李伟 雷鸣 黎川
• 来源期刊: 电脑知识与技术:学术版
• 学科: 工学
• 关键词: 短期居民用电预测 卷积神经网络 残差网络
• 年，卷（期）: 2019,（7X）
• 页码范围: 240-242
• 页数: 3页
• 分类号: TP391

摘要

单个居民家庭的用电量与多种复杂因素相关,可能包括其历史用电量、节假日因素、天气以及居民用电习惯等。通过研究和实验,我们提出了一种端到端的结构来预测单个家庭的短期用电量,称为残差卷积融合网络。具体来说,我们的网络结构使用了:1)利用残差卷积单元的三个分支分别来模拟用电量的时间邻近性、周期性和趋势特性;2)利用一个全连接的神经网络来模拟工作日或周末特性;3)通过残差卷积网络来融合上述输出以产生短期用电量的预测。通过对澳大利亚居民用电数据集的实验研究,验证了我们所提出的网络优于几种众所周知的方法。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	雷鸣	中国电子科技集团公司第三十八研究所	16	93	5.0	9.0
2	唐李洋	中国电子科技集团公司第三十八研究所	3	8	1.0	2.0
3	叶振宇	中国电子科技集团公司第三十八研究所	2	0	0.0	0.0
4	黎川	中国电子科技集团公司第三十八研究所	2	0	0.0	0.0
5	潘李伟	中国电子科技集团公司第三十八研究所	3	23	2.0	3.0