简介概要

基于多模型融合神经网络的短期负荷预测

来源期刊:控制工程2019年第4期

论文作者:许言路 张建森 吉星 王斌斌 邓卓夫

文章页码:619 - 624

关键词:模型融合;循环神经网络;短期负荷预测;卷积神经网络;时间序列;

摘    要:短期负荷预测在为电力系统制定经济、可靠和安全的运行策略中起着关键作用。为了提高预测精度,提出了一种基于多模型融合神经网络的短期负荷预测方法。首先将三种不同的神经网络单独训练:再将单独模型的输出作为输入,训练一个顶层全连接神经网络;最后并行排列三种单独模型,再将3个模型的输出层组合作为顶层全连接神经网络的输入层,使4个模型融合为一个模型,并进行精调训练。短期负荷预测的实验结果表明,该方法的精度优于单个全连接神经网络、长短期记忆网络或残差网络。说明该方法具有良好的实用价值。

详情信息展示

基于多模型融合神经网络的短期负荷预测

许言路1,张建森2,吉星1,王斌斌3,邓卓夫3

1. 国网辽宁省电力有限公司经济技术研究院2. 国网辽宁省电力有限公司沈阳供电公司3. 东北大学软件学院

摘 要:短期负荷预测在为电力系统制定经济、可靠和安全的运行策略中起着关键作用。为了提高预测精度,提出了一种基于多模型融合神经网络的短期负荷预测方法。首先将三种不同的神经网络单独训练:再将单独模型的输出作为输入,训练一个顶层全连接神经网络;最后并行排列三种单独模型,再将3个模型的输出层组合作为顶层全连接神经网络的输入层,使4个模型融合为一个模型,并进行精调训练。短期负荷预测的实验结果表明,该方法的精度优于单个全连接神经网络、长短期记忆网络或残差网络。说明该方法具有良好的实用价值。

关键词:模型融合;循环神经网络;短期负荷预测;卷积神经网络;时间序列;

<上一页 1 下一页 >

相关论文

  • 暂无!

相关知识点

  • 暂无!

有色金属在线官网  |   会议  |   在线投稿  |   购买纸书  |   科技图书馆

中南大学出版社 技术支持 版权声明   电话:0731-88830515 88830516   传真:0731-88710482   Email:administrator@cnnmol.com

互联网出版许可证:(署)网出证(京)字第342号   京ICP备17050991号-6      京公网安备11010802042557号