基于深度神经网络的电力系统短期负荷预测模型研究

代理获取

页面导航

目录
摘要
著录项
相似文献
相关主题

摘要

近代以来，电力行业是发展最为迅猛的行业之一。电能已经成为人类不可或缺的能源形式，我国电力工业改革进程也正进行的如火如荼。短期负荷预测作为电力系统调度中的关键一环，是电网用电、规划等管理部门的重要工作。高精度的负荷预测是电网用电管理、运检维护、提升效益的重要依据。负荷预测的困难之处在于影响因素繁多，且规律万千无从寻觅。本文首先阐述了负荷的构成、预测的原理及传统的预测方法。对至今为止发挥作用显著的人工神经网络作出了简要说明，并利用经典的BP神经网络对现有负荷数据进行预测，分析其预测结果和性能。为克服目前负荷预测精度低的局限性，本文构造了DNN预测模型。通过深度学习，利用多层隐含层对原始输入数据进行多次非线性变换，增强各隐层间的信息交换，有效解决了传统神经网络易陷入局部极小值等问题。利用PSO双重优化算法优化DNN的隐含层结构，迭代更新粒子状态确认网络最优参数，进一步提高了模型的预测精度及稳定性。经实际电网数据仿真验证，证实DNN网络可以提高短期负荷预测的精度。在以上DNN网络研究的基础上，再次对网络进行改进，构造具有动态递归特性的RDNN预测模型。在DNN结构基础上新增设具备记忆特质的关联层，形成递归网络。关联层内部神经元具备记忆能力，能够记录网络前一特定时刻输出状态，使网络由静化动，具备动态性能。采用IPSO优化网络各隐含层权阈值，该算法用多个粒子信息引导个体的更新，可对模型的权值空间进行优化，提高训练的稳定性和寻优性能。经实际仿真验证，将结果与DNN进行精度对比，证实RDNN可以达到更高的精度要求。

著录项

作者
于惠鸣;
展开▼
作者单位

青岛大学;

展开▼
授予单位青岛大学;
学科电气工程
授予学位硕士
导师姓名张智晟;
年度 2018
页码
总页数
原文格式 PDF
正文语种中文
中图分类
关键词
神经网络; 电力系统短期负荷预测;

相似文献

中文文献
外文文献
专利

1. 基于组合预测模型的新能源电力系统短期负荷预测研究 [J] . 杨韵 ,蔡秋娜 ,张乔榆 . 自动化技术与应用 . 2019,第008期
2. 基于PSO-DNN的电力系统短期负荷预测模型研究 [J] . 于惠鸣 ,撖奥洋 ,于立涛 . 青岛大学学报（工程技术版） . 2017,第002期
3. 基于FDNN的电力系统短期负荷预测模型研究 [J] . 金士琛 ,薛会 ,林霞 . 青岛大学学报（工程技术版） . 2017,第004期
4. 基于小波神经网络的电力系统短期负荷预测模型研究 [J] . 祖哲 ,毕贵红 ,刘力 . 计算机技术与发展 . 2012,第010期
5. 基于PSO-Elman神经网络的电力系统短期负荷预测模型研究 [J] . 刘远龙 ,龚文杰 ,徐超 . 青岛大学学报（工程技术版） . 2010,第003期
6. 基于动态神经网络的电力系统短期负荷在线预测研究 [C] . 刘耀年 ,赵明宇 ,王震宇 . 中国高等学校电力系统及其自动化专业第二十四届学术年会 . 2008
7. 基于模糊深度神经网络的电力系统短期负荷预测模型研究 [A] . 金士琛 . 2018

基于深度神经网络的电力系统短期负荷预测模型研究

目录

摘要

著录项

相似文献

相关主题

期刊订阅