基于计算机智能的深度信念网络的组合电力负荷预测方法（英文）

作     者：王辉 王伯伊 孙运清 秦佳婧 Hui WANG Bo-yi WANG Yun-qing SUN Jia-jing QIN

作者机构：华北电力大学电子与通信工程系河北保定071003 北京国电通网络技术有限公司北京100070 

出 版 物：《机床与液压》 (Machine Tool & Hydraulics)

年 卷 期：2017年第45卷第18期

页      面：11-16页

学科分类：12[管理学] 1201[管理学-管理科学与工程(可授管理学、工学学位)] 08[工学] 081201[工学-计算机系统结构] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：supported by State Grid science and technology project Study on Optimization Strategy and Key Technology of Public Energy Use for Distribution Network Adapting to Residential Real Estate 

主　　题：组合负荷预测 深度信念网络 数据训练 预测精度 

摘      要：电力系统负荷预测是电力系统规划和经济政策制定的主要依据,然而现有的基于计算机人工智能的电力系统负荷预测多采用组合预测方式,其预测精度低,效率低下;针对此问题,提出了一种基于深度信念网络的组合负荷预测方法,此方法首先建立了深度信念网络训练模型,将组合数据与实际负荷数据之间构建的非线性函数关系应用到此训练模型中,通过数据训练,优化深度信念网络层数和参数;使得训练好的组合深度信念网络具有预测能力。利用实际历史数据,对组合负荷预测的精度进行了计算,实验结果表明:所提出的预测方法相对于传统的组合预测方法,具有较高的预测精度。