首页|基于小样本数据和深度残差网络的月度供电量预测研究

基于小样本数据和深度残差网络的月度供电量预测研究

扫码查看
原文链接
  • 国家科技期刊平台
  • NETL
  • NSTL
  • 万方数据
  • 维普
针对传统预测模型在样本不足的情形下,无法实现高精度月度供电量预测的问题,提出了一种基于改进的生成对抗网络数据增强方法,能够将大粒度的月度统计信息,同分布分解为按天统计的供电量信息,实现了数据增强与样本集的有效扩充.基于该样本集,运用深度残差网络构建用于月度供电量预测的深层模型.算例分析标明,所提出的方法能够在原有同类型预测方法的基础上,有效提升预测精度.
Research on Monthly Power Supply Forecasting Based on Small Sample Data and Deep Residual Network

尹力、周琪

展开 >

国网武汉供电公司 武汉 430070

小样本数据 供电量预测 生成对抗网络 数据增强 样本集扩充 深度残差网络

2022

10.3969/j.issn.1672-9722.2022.02.042

计算机与数字工程
中国船舶重工集团公司第七0九研究所

计算机与数字工程

CSTPCD
影响因子：0.355
ISSN：1672-9722
年,卷(期)：2022.50(2)
  • 1
  • 6