基于深度学习的电力网络终端负荷预测方法

摘要：

电力网络的终端负荷预测自适应感知能力相对较差,所以在执行的过程中极易出现误差或者问题,造成大规模或者关联性的预测问题.因此,对基于深度学习的电力网络终端负荷预测方法进行设计与分析.确定终端负荷预测自编码单元,关联单元进行深度SAE-NN预测模型的设计,在此基础之上,创建DNN深度预测训练结构,利用SLF法实现电力网络终端负荷的预测.最终的测试结果表明:在相同的测试环境之下,对比于传统的聚类分解负荷预测组,本文所设计的深度学习的负荷预测组最终得出的预测百分比误差相对较低,表明此种方法的预测效果更佳,具有一定的实际应用意义.

关键词：深度学习;电力网络;终端负荷;预测方法;执行指令;深度神经网络

所属期刊栏目：18

分类号：TP399(计算技术、计算机技术)

在线出版日期：2022-03-16（万方平台首次上网日期，不代表论文的发表时间）

页数：共3页

页码：13-15