随着社会经济结构的变化,仅依赖于负荷历史数据和少量气象等影响因素进行电力负荷预测会造成较大误差。本文提出了一种基于改进深度信念网络IDBN(improved deep belief network)算法的负荷预测方法。该方法充分挖掘历史负荷数据中的规律...随着社会经济结构的变化,仅依赖于负荷历史数据和少量气象等影响因素进行电力负荷预测会造成较大误差。本文提出了一种基于改进深度信念网络IDBN(improved deep belief network)算法的负荷预测方法。该方法充分挖掘历史负荷数据中的规律性,将数据特征向量输入到多个用于两层稀疏自编码神经网络中进行特征融合,利用神经网络模型进行负荷预测,并进行无监督训练对模型进行预训练,提升多类型实值输入数据的处理效率。最后,通过算例验证了本文所提方法的有效性。展开更多
文摘随着社会经济结构的变化,仅依赖于负荷历史数据和少量气象等影响因素进行电力负荷预测会造成较大误差。本文提出了一种基于改进深度信念网络IDBN(improved deep belief network)算法的负荷预测方法。该方法充分挖掘历史负荷数据中的规律性,将数据特征向量输入到多个用于两层稀疏自编码神经网络中进行特征融合,利用神经网络模型进行负荷预测,并进行无监督训练对模型进行预训练,提升多类型实值输入数据的处理效率。最后,通过算例验证了本文所提方法的有效性。
