基于深度神经网络与权值共享的工业园区负荷预测

王刚; 杨晓静; 张志军; 刘丽新; 于美丽; Abinet Tesfaye Eseye

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.A deep multitask learning approach for load forecasting and its task aggregation analysis[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

A deep multitask learning approach for load forecasting and its task aggregation analysis

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市
杨晓静	Yang Xiaojing	国网天津市电力公司天津市
张志军	Zhang Zhijun	国网天津城南供电分公司天津市
刘丽新	Liu Lixin	北京清软创新科技股份有限公司,北京市
于美丽	Yu Meili	北京清软创新科技股份有限公司,北京市
Abinet Tesfaye Eseye	Abinet Tesfaye Eseye	华北电力大学

摘要点击次数: 2448

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。本文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,将深度置信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。算例中使用广东某高新区数据对算法有效性进行了验证,结果显示本文算法有效提高了工业园区负荷预测的精度,有着较高应用价值。

英文摘要:

查看全文查看/发表评论下载PDF阅读器

关闭