10.13705/j.issn.1671-6833.2019.05.005
深度学习在电力负荷预测中的应用综述
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.
深度学习、电力系统、负荷预测、人工神经网络、LSTM
40
TU528.1(建筑材料)
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
2020-01-09(万方平台首次上网日期,不代表论文的发表时间)
共10页
12-21