基于卷积神经网络和深度置信网络的多类型能源需求预测方法

• 作者: 王守相 王璇 许若冰 赵倩宇
• 来源期刊: 供用电
• 学科: 工学
• 关键词: 人工智能 深度学习 卷积神经网络 深度置信网络 多类型能源需求预测
• 年，卷（期）: 2020,（10）
• 所属期刊栏目: 配电
• 页码范围: 65-70
• 页数: 6页
• 分类号: TM73
• 语种: 中文
• DOI: 10.19421/j.cnki.1006-6357.2020.10.010

摘要

精准的需求预测对于高效、绿色地使用多种类型能源具有十分重要的作用,值得开展深入研究.结合当前人工智能的研究热点,提出了一种基于卷积神经网络(convolutional neural network,CNN)和深度置信网络(deep belief network,DBN)的多类型能源需求预测方法.首先,通过CNN进行自动特征提取,并将其中间层的更有效特征抽取出来.然后,将抽取到的特征输入给DBN网络,从而进行无监督和有监督方式相结合的训练学习,最终得到能源需求预测结果.最后,仿真实验表明,所提模型能够有效提取数据样本特征,挖掘各类型能源需求的演变规律,验证了所提模型的有效性和适用性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王守相		96	5815	36.0	76.0
2	赵倩宇		4	6	1.0	2.0
3	王璇		6	24	3.0	4.0
4	许若冰		1	0	0.0	0.0