-
题名基于卷积神经网络的负荷预测
被引量：2
- 1
-
-
作者
李德璐
赵金脉
李大华
田禾
-
机构
天津理工大学电气工程与自动化学院
中海油能源发展装备技术有限公司设计研发中心
-
出处
《能源工程》
2022年第6期75-79,共5页
-
文摘
电力负荷预测对于保证大扰动下的系统稳定、优化智能电网中的能源分配具有重要意义。传统的预测模型主要基于时间序列分析,由于其不可忽略的预测误差,已经不能完全满足电力系统的实际需要。为提高预测精度,将时间序列数据分析转变为图像处理,并利用计算机图像领域广泛使用的深度学习方法进行电力负荷预测。卷积神经网络(convolution neural network,CNN)作为图像处理的有力工具,尽管已有学者将其用于时间序列数据处理,但仍是将数据作为序列矩阵处理,并未体现出CNN处理图像矩阵的优势。因此提出基于序列到图像转换的CNN(sequence to image convolutional neural network,STI-CNN),将负荷序列转换为负荷图像,使CNN可以更有效地提取相邻信息特征,充分考虑到各种外部影响因素,使用双分支深度网络模型对输入数据进行精确聚类,通过STI-CNN方法进行负荷预测。负荷预测实验结果表明,所提STI-CNN方法在不同的预测指标方面都有卓越的表现,所用预测时间更短,具有更高准确度。
-
关键词
短期负荷预测
卷积神经网络
负荷序列
负荷图像
-
Keywords
short-term load prediction
convolutional neural networks
load sequences
load images
-
分类号
TM715
[电气工程—电力系统及自动化]
-
