基于CNN的Bagging模型在智慧电网中的应用

• 作者: 韩红卫 刘一峰 庞涛 王勇 于昌海 刘佳名
• 来源期刊: 微型电脑应用
• 关键词: 卷积神经网络 大数据 短期负荷预测
• 年，卷（期）: 2021,（5）
• 所属期刊栏目: 基金项目|FUND PROJECT
• 页码范围: 69-72
• 页数: 4页
• 分类号: TP311|TP18
• 语种: 中文
• DOI: 10.3969/j.issn.1007-757X.2021.05.020

摘要

电力调度、可靠性分析和维护规划是智慧电网短期负荷预测的关键,对此提出了一种基于卷积神经网络(CNN)的Bagging预测模型,并用该模型预测小时负荷.先用CNN来训练大负荷数据集的预测模型.然后,将一个实际的工业负荷数据集分割成多个子集,对这些子集上的预测模型进行微调,建立学习弱预测模型,并将这些弱预测模型组装起来,进行Bag-ging模型预测,该学习和组装过程在Spark上实现.在实验中,利用实际数据来验证,结果证明该方法相对于现有方法具有更好的预测性能.