基于深度脊波神经网络的电力系统短期负荷预测模型

• 作者: 岳远波 张智晟 撖奥洋
• 来源期刊: 电力系统及其自动化学报
• 学科: 工学
• 关键词: 深度脊波神经网络 短期负荷预测 玻尔兹曼机 粒子群优化算法 电力系统
• 年，卷（期）: 2020,（4）
• 所属期刊栏目: 学术论文
• 页码范围: 57-61,68
• 页数: 6页
• 分类号: TM715
• 字数: 4178字
• 语种: 中文
• DOI: 10.19635/j.cnki.csu-epsa.000273

摘要

针对电力系统负荷的非线性预测问题,本文构造了一种基于深度脊波神经网络的电力系统短期负荷预测模型.该模型的隐含层采用脊波神经元,神经元的激励函数采用脊波变换函数.对该预测模型采用受限的玻尔兹曼机学习原理进行预训练,最后利用粒子群优化算法对其进行深度优化精调.通过对某地区实际电网负荷系统进行仿真预测,结果表明,与传统的BP神经网络、脊波神经网络和常规深度神经网络模型相对比,深度脊波神经网络预测模型的日平均绝对误差百分比分别降低了1.96％、1.12％和0.3％,日最大绝对误差分别降低了3.91％、2.19％和1.78％,验证了深度脊波神经网络预测模型具有较好的预测准确度和稳定性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张智晟	青岛大学电气工程学院	67	384	11.0	16.0
2	撖奥洋		16	26	3.0	3.0
3	岳远波	青岛大学电气工程学院	2	5	1.0	2.0