电力系统及其自动化学报

2020, v.32;No.195(04) 57-61+68

[打印本页] [关闭]
本期目录(Current Issue) | 过刊浏览(Past Issue) | 高级检索(Advanced Search)

基于深度脊波神经网络的电力系统短期负荷预测模型
Short-Term Load Forecasting Model of Power System Based on Deep Ridgelet Neural Network

岳远波;撖奥洋;张智晟;

摘要(Abstract):

针对电力系统负荷的非线性预测问题,本文构造了一种基于深度脊波神经网络的电力系统短期负荷预测模型。该模型的隐含层采用脊波神经元,神经元的激励函数采用脊波变换函数。对该预测模型采用受限的玻尔兹曼机学习原理进行预训练,最后利用粒子群优化算法对其进行深度优化精调。通过对某地区实际电网负荷系统进行仿真预测,结果表明,与传统的BP神经网络、脊波神经网络和常规深度神经网络模型相对比,深度脊波神经网络预测模型的日平均绝对误差百分比分别降低了1.96%、1.12%和0.3%,日最大绝对误差分别降低了3.91%、2.19%和1.78%,验证了深度脊波神经网络预测模型具有较好的预测准确度和稳定性。

关键词(KeyWords): 深度脊波神经网络;短期负荷预测;玻尔兹曼机;粒子群优化算法;电力系统

Abstract:

Keywords:

基金项目(Foundation): 国家自然科学基金资助项目(51477078)

作者(Author): 岳远波;撖奥洋;张智晟;

Email:

参考文献(References):

扩展功能
本文信息
服务与反馈
本文关键词相关文章
本文作者相关文章
中国知网
分享