节点文献

基于深度脊波神经网络的电力系统短期负荷预测模型

免费订阅

【作者】 岳远波撖奥洋张智晟

【Author】 YUE Yuanbo;HAN Aoyang;ZHANG Zhisheng;College of Electrical Engineering,Qingdao University;State Grid Qingdao Electric Power Company;

【机构】 青岛大学电气工程学院国网青岛供电公司

【摘要】 针对电力系统负荷的非线性预测问题,本文构造了一种基于深度脊波神经网络的电力系统短期负荷预测模型。该模型的隐含层采用脊波神经元,神经元的激励函数采用脊波变换函数。对该预测模型采用受限的玻尔兹曼机学习原理进行预训练,最后利用粒子群优化算法对其进行深度优化精调。通过对某地区实际电网负荷系统进行仿真预测,结果表明,与传统的BP神经网络、脊波神经网络和常规深度神经网络模型相对比,深度脊波神经网络预测模型的日平均绝对误差百分比分别降低了1.96%、1.12%和0.3%,日最大绝对误差分别降低了3.91%、2.19%和1.78%,验证了深度脊波神经网络预测模型具有较好的预测准确度和稳定性。

【基金】 国家自然科学基金资助项目(51477078)
【所属期刊栏目】 学术论文 (2020年04期)
  • 【DOI】10.19635/j.cnki.csu-epsa.000273
  • 【分类号】TM715;TP183
  • 【下载频次】481
节点文献中: 

本文链接的文献网络图示:

浏览历史:
下载历史: