基于深度残差网络的电力负荷预测策略

• 作者: 肖汉 万佳 邢雨冰 章治 赵跃龙
• 来源期刊: 电工技术
• 学科: 工学
• 关键词: 神经网络 负荷预测 数据降维 深度学习 电力系统
• 年，卷（期）: 2022,（6）
• 所属期刊栏目: 电力自动化|Power Automation
• 页码范围: 120-122
• 页数: 3页
• 分类号: TM93
• 语种: 中文
• DOI: 10.19768/j.cnki.dgjs.2022.06.039

摘要

在电力能源使用中,多重外界因素影响着电力负荷总耗能量.当前已有技术仅限于对机组内部因素及数字型外界因素对电力负荷的影响进行测算,无法综合处理较复杂环境、人文等数字化处理较困难的影响因素,测算精准度受到制约.在预测电力负荷总量问题上,基于深度学习理论,搭建一种更精准的预测模型,利用数据降维(PCA)、数据清洗等方法使模型具有处理复杂影响因素的能力,并采用仿真分析技术将新模型与现存模型进行预测精准度对比.研究表明,新模型的预测水平较其余模型更良好.