基于多神经网络融合的短期负荷预测方法
为了利用不同深度神经网络的优势,提高深度学习算法对短期负荷的预测能力,提出一种基于多神经网络融合的短期负荷预测方法.以电力系统历史有功负荷、季节、日期类型和气象数据为输入特征,并行架构的深度神经网络和注意力机制网络为核心网络;以并行架构中的卷积神经网络通道提取静态特征,门控循环单元网络通道挖掘动态时序特征,采用注意力机制网络融合提取的特征并动态调整网络对不同特征的依赖程度;使用Maxout网络增强网络整体的非线性映射能力,通过全连接网络输出预测结果.与支持向量机、长短期记忆网络的算例结果对比表明,所提方法具有更高的预测平稳性和准确性.
短期负荷预测、多神经网络融合、门控循环单元网络、卷积神经网络、注意力机制网络、Maxout网络
40
TM732(输配电工程、电力网及电力系统)
2020-06-28(万方平台首次上网日期,不代表论文的发表时间)
共6页
37-42