10.3969/j.issn.1000-3886.2023.02.030
基于深度神经网络的短期电网负荷预测模型研究
随着分布式光伏装机容量的增加,已对全网负荷变化产生影响,现有负荷预测模式尚未考虑分布式光伏并网影响,电网负荷变化日趋复杂,亟需提高预测精度.构建了一种短期用电负荷预测模型,为了进一步提升预测精度,提出了一种基于深度神经网络和ResBlock迭代的短期负荷预测方法,学习不同用电量之间行为,建立内在时空的相关性.仿真结果表明,所提的负荷预测算法相比于传统方式准确性有明显的提高,在未来能源预测方面有较好的应用前景.
神经网络、分布式光伏、深度学习、短期电力
45
TM74(输配电工程、电力网及电力系统)
国家自然科学基金;国家高技术研究发展计划(863计划)
2023-04-24(万方平台首次上网日期,不代表论文的发表时间)
共3页
97-99