基于进化深度学习短期负荷预测的应用研究

被引：42

作者：

易灵芝 ^{[1
]}

常峰铭 ^{[1
]}

龙谷宗 ^{[2
]}

梁湘湘 ^{[2
]}

马文斌 ^{[2
]}

机构：

[1] 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“风电装备与电能变换”湖南省协同创新中心

[2] 南车电机有限公司

来源：

电力系统及其自动化学报 | 2020年 / 32卷 / 03期

基金：

湖南省自然科学基金;

关键词：

智能电网; 进化算法; 深度学习; 特征提取; 负荷预测;

D O I：

10.19635/j.cnki.csu-epsa.000258

中图分类号：

TM715 [电力系统规划]; TP18 [人工智能理论];

学科分类号：

080802 [电力系统及其自动化]; 140502 [人工智能];

摘要：

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。

引用

页码：1 / 6+13 +13

页数：7

共 6 条

[1]

A new prediction strategy for price spike forecasting of day-ahead electricity markets [J].