基于一种新型鲁棒损失的神经网络短期负荷预测方法

摘要：

首先提出了一种由熵诱导出的度量(称为CIM),这种度量具有非凸性,鲁棒性,平滑性,有界性,逼近行为等.将该度量用作人工神经网络(称为ANN)的损失函数,以提高其鲁棒性,然后建立新的鲁棒人工神经网络框架(称为指数损失人工神经网络,即ELANN)以减少噪声和异常值的影响.ELANN继承了ANN的优势,并提高了ANN在解决回归问题中的预测性能.利用广东电网2016-2018年的实际负荷数据进行仿真分析,结果表明该方法可以有效提高负荷预测的准确性和可靠性,为电力调度部门提供可靠的决策依据.

关键词：信息熵、指数损失、鲁棒性、人工神经网络、短期负荷预测

所属期刊栏目：44

分类号：TM721(输配电工程、电力网及电力系统)

在线出版日期：2020-11-30（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：4132-4139