基于进化深度学习短期负荷预测的应用研究

• 作者: 常峰铭 易灵芝 梁湘湘 马文斌 龙谷宗
• 来源期刊: 电力系统及其自动化学报
• 学科: 工学
• 关键词: 智能电网 进化算法 深度学习 特征提取 负荷预测
• 年，卷（期）: 2020,（3）
• 所属期刊栏目: 学术论文
• 页码范围: 1-6,13
• 页数: 7页
• 分类号: TM73
• 字数: 5168字
• 语种: 中文
• DOI: 10.19635/j.cnki.csu-epsa.000258

摘要

传统预测模型对高维非线性电力负荷数据特征提取效果不佳,为了提高电力负荷预测精度,提出基于进化深度学习特征提取预测模型.利用进化算法的全局寻优特点,将进化策略和遗传算法的核心思想融入到深度学习中,对深度学习优化重构误差函数,精简网络结构,构建性能良好的特征提取预测模型.对湖南省某地区智能电网电力负荷数据进行预测,算例分析表明,本文所提方法对某一天24 h进行负荷预测时,其平均绝对百分比误差达到1.97％,比支持向量机SVM(support vector machine)、累积式自回归移动平均ARIMA(autoregressive integrated moving average)、BP(back propagation)神经网络、深度置信网络DBN(deep belief network)预测方法具有更高的预测精度.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	龙谷宗		1	1	1.0	1.0
2	梁湘湘		1	1	1.0	1.0
3	马文斌		1	1	1.0	1.0