论文摘要
为解决经典方法预测全社会用电总量的预测数值精度较低、模型结构参数过于复杂等技术难题,本文提出将电力大数据和人工智能领域深度学习算法相结合的研究方法。采用计算机建立具有阶层结构的深度神经网络,根据仿生学原理引入线性整流函数解决梯度消失及神经网络收敛速度减慢问题,采用梯度下降来进行优化模型,同时通过引入指数衰减法由神经网络模型自动设定学习率以提高模型预测精度并降低迭代次数。从数量场的梯度原理并结合泰勒公式,推导出梯度下降法背后数学原理。为解决过拟合问题引入早停算法以提高模型训练速度及泛化能力。最后深度学习算法预测数值与经典线性回归算法预测数值相比较,深度学习算法在对全社会月用电总量的预测精准度、稳定性指标上明显优于线性回归算法,深度神经网络模型对未来全社会电力需求的预测数值具有高度的可信性。
论文目录
文章来源
类型: 期刊论文
作者: 刘智
关键词: 全社会用电总量,人工智能,深度学习,人工神经网络,电力系统
来源: 电力大数据 2019年08期
年度: 2019
分类: 工程科技Ⅱ辑,经济与管理科学
专业: 电力工业,工业经济
单位: 国家能源集团泰州发电有限公司
分类号: TM73;F426.61
DOI: 10.19317/j.cnki.1008-083x.2019.08.006
页码: 28-34
总页数: 7
文件大小: 1831K
下载量: 282