论文摘要
随着电力系统的飞速发展,电力负荷数据的规模也愈加庞大,以往基于小规模数据的电力负荷预测算法可能无法容纳大量数据集。为改善预测模型的工程实用性,本文提出了一种新型的机器学习模型,该模型将卷积神经网络(CNN)与纵横交叉优化算法(CSO)结合起来,应用于短期负荷预测。从大规模的负荷数据中收集到横向相邻日和纵向的相似日负荷数据,设置横向预测和纵向预测的权值系数,再用CSO优化算法去找最优系数,得到最后的二维组合预测结果,并与其它机器学习算法比较。通过实验证明,模型可以快速有效地处理大规模的负荷数据,具有较强的泛化能力。
论文目录
文章来源
类型: 期刊论文
作者: 杨跞,钟力强,殷豪
关键词: 大数据压缩,卷积神经网络,纵横交叉算法,组合预测,相似日负荷
来源: 现代信息科技 2019年04期
年度: 2019
分类: 信息科技,工程科技Ⅱ辑
专业: 电力工业
单位: 广东工业大学,广东电网电力科学研究院
基金: 广东电网电力科学研究院科技项目:线路行走式机器人小型化轻型化及实用化技术及其在电网维护中的应用研究(项目编号:GDKJXM20173031)
分类号: TM715
页码: 160-162
总页数: 3
文件大小: 1247K
下载量: 189