• 设为首页
  • 加入收藏
  • 联系邮箱
  • 网站首页
  • 期刊介绍
    • 期刊简介
    • 社长及主编
    • 期刊荣誉
  • 编委会
    • 主任委员
    • 编委名单
    • 青年编委名单
  • 投稿指南
    • 作者须知
    • 投稿步骤
    • 范文(规范细则)
    • 稿件处理流程
    • 著作权转让协议
  • 期刊影响力
  • 开放获取
  • 出版道德政策
    • 出版伦理声明
    • 学术不端认定和处理方法
    • 广告及市场推广
    • 同行评议流程
    • 斟误和撤回
    • 回避制度
    • 文章署名及版权转让
  • 历年目次
  • 联系我们
  • English
站内检索    
 
王刚,杨晓静,张志军,刘丽新,于美丽,Abinet Tesfaye Eseye.基于深度神经网络与权值共享的工业园区负荷预测[J].电测与仪表,2021,58(1):137-141.
Wang Gang,Yang Xiaojing,Zhang Zhijun,Liu Lixin,Yu Meili,Abinet Tesfaye Eseye.Load forecasting in industrial park based on deep neural network and weight sharing[J].Electrical Measurement & Instrumentation,2021,58(1):137-141.
基于深度神经网络与权值共享的工业园区负荷预测
Load forecasting in industrial park based on deep neural network and weight sharing
DOI:10.19753/j.issn.1001-1390.2021.01.020
中文关键词:  工业园区负荷预测  深度学习  权值共享  任务聚合
英文关键词:industrial park load forecasting, deep learning, weight sharing, tasks clustering
基金项目:国家自然科学基金项目( 59577060),国家高技术研究发展计划(863计划)特大型城市电网防御大停电的应急调度与恢复关键技术研究
                 
作者中文名作者英文名单位
王刚Wang Gang国网天津市电力公司,天津 300090
杨晓静Yang Xiaojing国网天津市电力公司,天津 300090
张志军Zhang Zhijun国网天津城南供电分公司,天津 300201
刘丽新Liu Lixin北京清软创新科技股份有限公司,北京 100085
于美丽Yu Meili北京清软创新科技股份有限公司,北京 100085
Abinet Tesfaye EseyeAbinet Tesfaye Eseye华北电力大学,北京 102206
摘要点击次数: 2896
中文摘要:
      电力体制市场化的有序推进对工业园区负荷预测提出了新的要求。文章提出了基于深度学习与权值共享机理的负荷预测方法。在预测模型中,将深度神经网络设置为训练中的有监督学习方法,权值共享模式分析了多个目标之间的相关性,并使用各个目标的负荷变化率对相关度最高的任务聚合。算例中使用天津某高新区数据对算法有效性进行了验证,结果显示该算法有效提高了工业园区负荷预测的精度,有着较高的应用价值。
英文摘要:
      The orderly development of marketization of power system brings new requirements for load forecasting in industrial park. This paper proposes a load forecasting method for industrial park based on deep learning and weight sharing. In forecasting models, the deep neural network is regarded as supervised-learning approach, weight sharing is deployed to analyze the correlation among various objectives, and the most related objective task is selected by load change rate. The validity of the algorithm is verified through the simulations performed by actual operating data from industrial park load system in Tianjin. The positive results demonstrate that the proposed algorithm can effectively improve the accuracy of load prediction and has high application value.
查看全文  查看/发表评论  下载PDF阅读器
关闭
  • 哈尔滨电工仪表研究所有限公司
  • 中国电工仪器仪表信息网
  • 中国仪器仪表学会
  • 中华人民共和国新闻出版总署
  • 中国科技期刊编辑学会
  • 黑龙江省科学技术协会
  • 编辑之家
  • 中国知网
  • 万方数据库
  • 维普网
  • 北极星电力网
  • 中华中控网
  • 网站首页
  • 期刊介绍
    • 期刊简介
    • 社长及主编
    • 期刊荣誉
  • 编委会
    • 主任委员
    • 编委名单
    • 青年编委名单
  • 投稿指南
    • 作者须知
    • 投稿步骤
    • 范文(规范细则)
    • 稿件处理流程
    • 著作权转让协议
  • 期刊影响力
  • 开放获取
  • 出版道德政策
    • 出版伦理声明
    • 学术不端认定和处理方法
    • 广告及市场推广
    • 同行评议流程
    • 斟误和撤回
    • 回避制度
    • 文章署名及版权转让
  • 历年目次
  • 联系我们
地址:哈尔滨市松北区创新路2000号    邮编:150028
邮箱:dcyb@vip.163.com    电话:0451-86611021;87186023
© 2012 电测与仪表    哈公网监备2301003445号
黑ICP备11006624号-1
技术支持:北京勤云科技发展有限公司