基于混合神经网络深度学习的短期负荷预测

• 作者: 滕欢 陈国涛
• 来源期刊: 水电能源科学
• 学科: 工学
• 关键词: 负荷预测 深度学习 神经网络 数据立方体
• 年，卷（期）: 2020,（4）
• 所属期刊栏目: 电气工程
• 页码范围: 193-196
• 页数: 4页
• 分类号: TM734
• 语种: 中文

摘要

针对能源互联网环境下用电用户数据量大、多维度这一特点,提出了一种混合神经网络深度学习的短期电力负荷预测方法.首先,考虑常见的电力系统负荷的影响因素,建立多维数据库,并进行偏相关分析,排除其他变量干扰;其次,将LSTM、GRU两种神经网络作为前端神经网络对多维数据库中数据进行处理;最后,采用随机概率剔除与Adam训练优化函数改进的BP神经网络作为末端神经网络,建立负荷预测模型.通过算例仿真对本文方法与传统BP神经网络、LSTM神经网络、GRU神经网络进行了对比,验证了所提方法的有效性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	滕欢	四川大学电气工程学院	62	531	12.0	21.0
5	陈国涛	四川大学电气工程学院	1	0	0.0	0.0