深度神经网络在配电网公变短期负荷预测中的应用研究

摘要：

精准的负荷预测关系着电力系统安全、 经济和可靠运行,短期负荷预测一直是电力系统的重要研究方向之一.结合深度学习理论,基于MXNet深度学习框架,采用深度神经网络算法预测配电网公变短期负荷,考虑负荷自身历史运行状态、 气象因素、 变压器属性、 电力用户特征等多重因素影响,对传统电力负荷预测进行了创新和探索,并通过在某省的实际应用效果表明,基于MXNet框架的深度神经网络模型训练效率良好.基于深度神经网络的短期负荷预测模型有很强的泛化能力与通用性,为不同地区、 不同类型的公变建立个性化的预测模型提供了可行方法.模型部署于阿里云大数据平台,基于阿里云大数据实现了配电网公变日负荷的实时预测.

关键词：负荷预测、配电网公变、深度神经网络模型、MXNet、深度学习

所属期刊栏目：37

分类号：TM715+.1(输配电工程、电力网及电力系统)

在线出版日期：2018-06-25（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：1-6