基于RNN-RBM模型的配网馈线长期负荷预测方法

摘要：

本文提出了一种基于循环神经网络(recurrent neural network,RNN)和受限玻尔兹曼机(restricted boltzmann machine,RBM)混合模型的配网馈线长期负荷预测方法.所提方法首先提炼混合模式(自上而下和自下而上)下的馈线负荷特征,然后利用RN N网络处理具有时序特点的配网馈线负荷数据,识别历史负荷数据的变化规律,再利用RB M深度挖掘数据中的特征规则,最后以无监督训练的方式获得特征与负荷变化的内在联系.选取广州某地区配网馈线数据验证所提算法的有效性,并与随机森林模型以及LSTM模型进行了比对.结果表明,本文所提出的混合RN N-RBM模型提高了配网馈线长期负荷预测的准确率.

关键词：长期负荷预测、数据驱动、无监督学习、配网馈线

所属期刊栏目：44

分类号：TM715+.1(输配电工程、电力网及电力系统)

资助基金：南方电网公司重点科技项目YNKJXM20191215

在线出版日期：2022-05-11（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：67-73