基于并行深度信念网络的电力负荷预测

摘要：

针对传统电力负荷预测算法的训练速度慢、预测准确度不高等问题,提出了一种并行的基于深度信念网络的电力负荷预测方法.该方法基于并行计算框架和深度信念网络,对历史电力负荷和天气信息数据进行并行训练并预测负荷值.实验结果表明,该方法预测的电力负荷值与实际值之间的平均误差较低,预测精度高于传统方法,有效减少了算法训练和预测的耗时,可适应大规模电力数据场景下的预测需求.

关键词：深度学习、功率负荷分析、并行计算

所属期刊栏目：24

分类号：TM714;TK018(输配电工程、电力网及电力系统)

资助基金：国网新疆电力有限公司科技项目SGZJ0000KXJS1800376

在线出版日期：2022-05-06（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：54-58