HI,欢迎来到好期刊网,发表咨询:400-888-9411 订阅咨询:400-888-1571证券代码(211862)

基于深度信念网络的不同行业中长期负荷预测

摘要:为保证不同行业中长期负荷预测的准确性,提出一种基于深度信念网络的不同行业中长期负荷预测方法。首先,采用灰色关联度分析法定量分析各种影响因素对不同行业的影响程度,生成关联度矩阵;然后,基于关联度矩阵,采用模糊C-均值聚类法将不同行业划分为不同的预测类型;其次,针对每种预测类型建立基于深度信念网络的中长期负荷预测模型;最后,采用实际电网数据测试所提方法的精度,结果显示本文方法得到的中长期负荷预测平均误差率与最大误差率分别低于2%与6%,证明了所提方法对中长期负荷预测具有较高的准确性。

关键词:
  • 中长期负荷预测  
  • 深度学习  
  • 深度信念网络  
  • 关联度分析  
  • 聚类分析  
  • 行业分类  
作者:
张籍; 薛儒涛; 刘慧; 陈艳波; 谢东; 高晓晶
单位:
国网湖北省电力有限公司经济技术研究院; 武汉430063; 华北电力大学新能源电力系统国家重点实验室; 北京102206; 国网湖北省电力有限公司; 武汉430077
刊名:
电力系统及其自动化学报

注:因版权方要求,不能公开全文,如需全文,请咨询杂志社

电力系统及其自动化学报紧跟学术前沿,紧贴读者,国内刊号为:12-1251/TM。坚持指导性与实用性相结合的原则,创办于1989年,杂志在全国同类期刊中发行数量名列前茅。