基于自适应深度信念网络的变电站负荷预测

作者:杨智宇; 刘俊勇; 刘友波; 温丽丽; 王泽琪; 宁世超

摘要:精确的变电站级负荷预测是电网精益化运行决策的重要基础,但存在不同站间负荷特性差异大、微观关联因素多样性强等传统预测方法难以处理的问题。基于变电站历史负荷数据与其所在区域的外部环境数据,通过深度信念网络算法(deep belief network,DBN)强大的学习能力,避免了相似日等特征选取问题,并采用 Nadam 动量优化算法训练深度信念网络,得到 DBN 最佳参数,构成针对变电站负荷预测的学习框架,并基于 Keras 深度学习框架自动调整 DBN 结构,达到最优预测结果。以 20 个具有典型负荷特性的 220kV变电站实际负荷数据为样本集,在周、日和小时级 3 个预测时间尺度上,通过 2 种误差计算方式作实例对比证明,所提方法能够充分进行自适应深度学习,并进行高精度变电站级负荷预测。

分类:
  • 期刊
  • >
  • 自然科学与工程技术
  • >
  • 工程科技II
  • >
  • 电力工业
收录:
  • 北大期刊(中国人文社会科学期刊)
  • CSCD 中国科学引文数据库来源期刊(含扩展版)
  • 维普收录(中)
  • 万方收录(中)
  • EI 工程索引(美)
  • 国家图书馆馆藏
  • 上海图书馆馆藏
  • 知网收录(中)
  • JST 日本科学技术振兴机构数据库(日)
  • 统计源期刊(中国科技论文优秀期刊)
关键词:
  • 变电站
  • 负荷预测
  • nadam优化
  • 深度信念网络
  • 深度学习
  • keras框架

注:因版权方要求,不能公开全文,如需全文,请咨询杂志社

期刊名称:中国电机工程学报

期刊级别:北大期刊

期刊人气:8348

杂志介绍:
主管单位:中国科学技术协会
主办单位:中国电机工程学会
出版地方:北京
快捷分类:电力
国际刊号:0258-8013
国内刊号:11-2107/TM
邮发代号:82-327
创刊时间:1964
发行周期:半月刊
期刊开本:A4
下单时间:1-3个月
复合影响因子:3.5
综合影响因子:4.31