基于深度学习的电网短期负荷预测方法研究
基于深度学习的电网短期负荷预测方法研究
复制标题
DOI：
--
复制
发表时间：
2018
期刊：
影响因子：
--
通讯作者：
邓伟
中科院分区：
文献类型：
--
作者：
吴润泽;包正睿;宋雪莹;邓伟
深度模型通过学习一种深层非线性网络结构以实现复.杂函数逼近，具有很强的自适应感知能力。本文为了提高电力.负荷预测精度，提出一种基于栈式自编码神经网络的深度学习.预测方法。该方法结合自编码器和逻辑回归分类器构建一个多.输入单输出预测模型，并将重构后的历史负荷、气象信息等数.据输入到预测模型中，用栈式自编码器逐层学习并提取深层特.征，最后在网络顶层连接逻辑回归模型进行短期负荷预测。实.例分析表明，所提预测模型能够有效刻画日负荷变化规律，泛.化能力较强，其预测精度达到９６．２％，比支持向量回归和模糊.神经网络两种浅层学习模型更高。