基于VMD与PSO优化深度信念网络的短期负荷预测

梁智; 孙国强; 李虎成; 卫志农; 臧海祥; 周亦洲; 陈霜

首页> 中文期刊> 《电网技术》 >基于VMD与PSO优化深度信念网络的短期负荷预测

基于VMD与PSO优化深度信念网络的短期负荷预测

开具论文收录证明 >>

期刊封面封底目录下载 >>

文献代查 >>

页面导航

摘要
著录项
相似文献
相关主题

摘要

为提高短期负荷预测精度,采用变分模态分解（variational mode decomposition,VMD）技术将原始历史负荷序列分解为一系列特征互异的模态函数,对每个模态函数进行特征分析并分别建立负荷预测模型。电力系统负荷预测建模过程中,选取有效的输入变量是提高预测精度技术措施之一,该文采用互信息度量影响因素与输出变量间的相关性,可选取出对负荷影响较大的输入变量集合。传统的神经网络负荷预测模型难以训练多层网络,从而影响其预测精度。而深度信念网络（deep belief network,DBN）采用非监督贪心逐层训练算法构成多隐含层感知器结构,在回归预测分析中展现出优良的性能,已成为深度学习领域研究热点。因此,该文借助DBN算法对每个模态函数建立预测模型,提高了预测精度。由于DBN网络权值的随机初始化,使得目标函数在学习训练过程中容易陷入局部最优,采用改进粒子群算法优化网络权值,增强了DBN预测性能。最后,算例测试表明该文模型的有效性。

著录项

来源
《电网技术》 |2018年第2期|598-606|共9页
作者
梁智; 孙国强; 李虎成; 卫志农; 臧海祥; 周亦洲; 陈霜;
展开▼
作者单位

河海大学能源与电气学院;

江苏省南京市210098;

国网江苏省电力公司电力科学研究院;

江苏省南京市211103;

展开▼
原文格式 PDF
正文语种 chi
中图分类输电制度;
关键词
短期负荷预测; 变分模态分解; 输入变量选择; 互信息; 粒子群算法; 优化深度信念网络;

相似文献

中文文献
外文文献
专利

1. 基于VMD和PSO-SVR的短期电力负荷多阶段优化预测 [J] . 李文武 ,石强 ,李丹 . 中国电力 . 2022,第8期
2. 基于VMD-PSO-多核极限学习机的短期负荷预测 [J] . 吴松梅 ,蒋建东 ,燕跃豪 . 电力系统及其自动化学报 . 2022,第5期
3. 基于变分模态分解-样本熵-延迟互信息-深度信念网络的短期负荷预测模型 [J] . 徐轶丹 ,周晨梦 ,黄绍书 . 电力大数据 . 2022,第10期
4. 基于改进深度信念网络的短期电力负荷预测方法 [J] . 王剑锋 ,郑剑 ,王旭东 . 电力系统及其自动化学报 . 2021,第10期
5. 基于深度信念网络的短期电力负荷预测 [J] . 肖同录 ,赵增顺 . 电子世界 . 2014,第10期
6. 基于RBF神经网络采用混合粒子群优化的电力负荷短期预测 [C] . 刘伟 ,王科俊 ,姚杰 . 2007年中国智能自动化会议 . 2007
7. 基于EMD分解和集成深度信念神经网络的短期燃气负荷预测 [A] . 黄维 . 2018

基于VMD与PSO优化深度信念网络的短期负荷预测

摘要

著录项

相似文献

相关主题

期刊订阅