Print

深度学习在电力负荷预测中的应用综述

论文摘要

在综合能源系统和能源互联网的高速发展中,电力负荷预测对电力系统的经济安全运行具有重要的作用.传统的负荷预测模型方法已在电力系统中取得了广泛应用,传统方法的简单计算模型对于高随机性、大数据背景下的动态负荷预测精度无法保证.近年来,在计算工具不断升级和训练数据量大规模提升的背景下,深度学习方法在电力负荷预测领域的应用得到了广泛重视.对多种深度学习方法在负荷预测领域中的应用进行了叙述分析,回顾了循环神经网络(RNN)、长短期记忆网络(LSTM)、深度置信网络(DBN)、卷积神经网络(CNN)等不同深度学习方法预测模型.对比于传统的负荷预测方法,深度学习方法具有更高的预测精度,对于各种外部影响因素具有更好的鲁棒性.

论文目录

  • 0 引言
  • 1 传统电力负荷预测方法
  • 2 基于神经网络的方法
  •   2.1 径向基函数神经网络模型
  •   2.2 BP神经网络模型
  •   2.3 其他神经网络模型
  • 3 基于深度学习的方法
  •   3.1 递归神经网络负荷预测模型
  •   3.2 长短时记忆网络负荷预测模型
  •   3.3 深度置信网络负荷预测模型
  •   3.4 卷积神经网络负荷预测模型
  • 4 结论与展望

    • 文章来源

    类型: 期刊论文

    作者: 朱俊丞,杨之乐,郭媛君,于坤杰,张建康,穆晓敏

    关键词: 深度学习,电力系统,负荷预测,人工神经网络

    来源: 郑州大学学报(工学版) 2019年05期

    年度: 2019

    分类: 工程科技Ⅱ辑,信息科技

    专业: 电力工业,自动化技术

    单位: 郑州大学产业技术研究院,中国科学院深圳先进技术研究院,郑州大学电气工程学院,郑州大学信息工程学院

    基金: 国家自然科学基金资助项目(51607177,61876169,61806179,61433012,U1435215),广东省自然科学基金项目(2018A030310671),国家博士后科学基金面上项目(2018M631005)

    分类号: TM715;TP18

    DOI: 10.13705/j.issn.1671-6833.2019.05.005

    页码: 13-22

    总页数: 10

    文件大小: 219K

    下载量: 1830

    相关论文文献

    本文来源: https://www.lunwen66.cn/article/2a63b99b43f437b23bb476bc.html