-
题名基于进化深度学习短期负荷预测的应用研究
被引量：17
- 1
-
-
作者
易灵芝
常峰铭
龙谷宗
梁湘湘
马文斌
-
机构
湘潭大学信息工程学院“多能协同控制技术”湖南省工程研究中心
南车电机有限公司
-
出处
《电力系统及其自动化学报》
CSCD
北大核心
2020年第3期1-6,13,共7页
-
基金
国家自然科学基金资助项目(61572416)
湖南省自然科学基金资助项目(2016JJ5033)。
-
文摘
传统预测模型对高维非线性电力负荷数据特征提取效果不佳,为了提高电力负荷预测精度,提出基于进化深度学习特征提取预测模型。利用进化算法的全局寻优特点,将进化策略和遗传算法的核心思想融入到深度学习中,对深度学习优化重构误差函数,精简网络结构,构建性能良好的特征提取预测模型。对湖南省某地区智能电网电力负荷数据进行预测,算例分析表明,本文所提方法对某一天24 h进行负荷预测时,其平均绝对百分比误差达到1.97%,比支持向量机SVM(support vector machine)、累积式自回归移动平均ARIMA(autoregressive integrated moving average)、BP(back propagation)神经网络、深度置信网络DBN(deep belief network)预测方法具有更高的预测精度。
-
关键词
智能电网
进化算法
深度学习
特征提取
负荷预测
-
Keywords
smart grid
evolutionary algorithm
deep learning
feature extraction
load forecasting
-
分类号
TM73
[电气工程—电力系统及自动化]
-
-
题名基于深度学习的智能楼宇微网负荷预测方法研究
被引量：3
- 2
-
-
作者
常峰铭
易灵芝
-
机构
湘潭大学信息工程学院
湖南省"风电装备与电能变换"
-
出处
《测控技术》
CSCD
2018年第12期42-45,共4页
-
基金
国家自然科学基金项目(61572416)
湖南省自科基金株洲联合基金项目(2016JJ5033)
-
文摘
楼宇微网是智能电网的重要组成部分,提高智能楼宇微网负荷预测精度,有助于对楼宇能效系统进行优化控制和调度规划。针对智能楼宇微网用电负荷数据的特点,提出了基于深度学习的智能楼宇微网短期负荷预测模型。首先用无监督的贪心算法对原始数据进行负荷数据的特征学习,完成对智能楼宇微网负荷数据的特征提取;然后挖掘智能楼宇微网负荷数据间的相互关系;最后用反向传播算法微调整个模型的参数。实验结果表明,提出的预测模型与传统预测模型相比具有更高的预测精度,且具有很好的可行性和有效性。
-
关键词
智能楼宇微网
深度学习
特征提取
负荷预测
-
Keywords
intelligent building microgrid
deep learning
feature extraction
load forecasting
-
分类号
TP183
[自动化与计算机技术—控制理论与控制工程]
-
-
题名辽宁省道路运输大数据分析平台建设及应用
被引量：2
- 3
-
-
作者
常峰铭
-
机构
辽宁省交通运输事业发展中心
-
出处
《北方交通》
2019年第5期92-94,共3页
-
文摘
梳理近年来辽宁省道路运输信息化建设成果,阐述了道路客运、城市公交、重点营运车辆监管等方面的信息化发展现状,结合国内大数据发展趋势及前沿技术,分析了辽宁省道路运输大数据分析平台建设及应用前景,针对存在的问题提出对策,以促进大数据在辽宁省道路运输信息化建设中发挥更大作用。
-
关键词
信息化
道路运输
大数据
转型升级
-
Keywords
Informatization
Road transportation
Large data
Transformation and upgrading
-
分类号
U495
[交通运输工程—交通运输规划与管理]
-
