首页|深度学习在电力负荷预测中的应用综述

深度学习在电力负荷预测中的应用综述

扫码查看
原文链接
  • 国家科技期刊平台
  • NETL
  • NSTL
  • 万方数据
  • 维普
在综合能源系统和能源互联网的高速发展中,电力负荷预测对电力系统的经济安全运行具有重要的作用.传统的负荷预测模型方法已在电力系统中取得了广泛应用,传统方法的简单计算模型对于高随机性、大数据背景下的动态负荷预测精度无法保证.近年来,在计算工具不断升级和训练数据量大规模提升的背景下,深度学习方法在电力负荷预测领域的应用得到了广泛重视.对多种深度学习方法在负荷预测领域中的应用进行了叙述分析,回顾了循环神经网络(RNN)、长短期记忆网络(LSTM)、深度置信网络(DBN)、卷积神经网络(CNN)等不同深度学习方法预测模型.对比于传统的负荷预测方法,深度学习方法具有更高的预测精度,对于各种外部影响因素具有更好的鲁棒性.
Deep Learning Applications in Power System Load Forecasting: a Survey

朱俊丞、杨之乐、郭媛君、于坤杰、张建康、穆晓敏

展开 >

郑州大学产业技术研究院,河南郑州450001

中国科学院深圳先进技术研究院,广东深圳518000

郑州大学电气工程学院,河南郑州450001

郑州大学信息工程学院,河南郑州450001

展开 >

深度学习 电力系统 负荷预测 人工神经网络 LSTM

国家自然科学基金资助项目国家自然科学基金资助项目国家自然科学基金资助项目国家自然科学基金资助项目国家自然科学基金资助项目广东省自然科学基金国家博士后科学基金面上项目

51607177618761696180617961433012U14352152018A0303106712018M631005

2019

郑州大学学报(工学版)
郑州大学

郑州大学学报(工学版)

CSTPCD北大核心
影响因子：0.442
ISSN：1671-6833
年,卷(期)：2019.40(5)
  • 22
  • 19