-
题名基于FDNN的电力系统短期负荷预测模型研究
被引量：5
- 1
-
-
作者
金士琛
薛会
林霞
张智晟
-
机构
青岛大学自动化与电气工程学院
枣庄供电公司
-
出处
《青岛大学学报（工程技术版）》
CAS
2017年第4期12-16,共5页
-
基金
国家自然科学基金资助项目(51477078)
山东电力科技计划项目(2017A-88)
-
文摘
针对电力系统短期负荷预测,本文提出了基于模糊深度神经网络的电力系统短期负荷预测模型,将模糊处理与深度神经网络相结合。首先利用隶属度函数对气象因素进行模糊化处理,并在此基础上,构建了深度神经网络预测模型,通过增加隐含层数,使神经网络具有更强的非线性,对受限玻尔兹曼机进行预训练,同时利用粒子群优化算法,对初始化的深度神经网络进行权值和阈值优化,并通过实际算例进行分析。分析结果表明,模糊深度神经网络预测模型的平均绝对误差和最大相对误差分别达到了1.72%和6.24%,具有较高的预测精度。该研究为基于模糊深度神经网络的电力系统短期负荷预测模型的实际应用奠定了理论基础。
-
关键词
模糊深度神经网络
短期负荷预测
粒子群优化算法
电力系统
-
Keywords
fuzzy deep neural network
short-term load forecasting
article swarm optimization algorithm
power system
-
分类号
TM715
[电气工程—电力系统及自动化]
-
