基于FFT优化ResNet模型的短期负荷预测方法
来源期刊:控制工程2019年第6期
论文作者:许言路 卢悦 朱冰 王斌斌 邓卓夫
文章页码:1085 - 1090
关键词:快速傅立叶变换;残差网络;短期电力负荷预测;卷积神经网络;时间序列;
摘 要:电力行业需要精确的短期电力负荷预测,为电力系统的控制和调度提供精确的负载需求。为提高短期电力负荷预测的精度,提出了一种基于FFT优化ResNet模型的方法。模型首先将电力负荷预测定义为时间序列问题,随后引入一维ResNet进行电力负荷的回归预测,并提出使用FFT优化ResNet,通过对一层卷积结果进行FFT变换,赋予模型提取数据中周期性特征的能力。实验表明,在6 h电力负荷预测中,FFT-ResNet的预测精度优于几种基准模型,说明该方法在电力负荷预测方面具有良好的应用前景。
许言路1,卢悦2,朱冰3,王斌斌4,邓卓夫4
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. 沈阳电力勘测设计院有限责任公司4. 东北大学软件学院
摘 要:电力行业需要精确的短期电力负荷预测,为电力系统的控制和调度提供精确的负载需求。为提高短期电力负荷预测的精度,提出了一种基于FFT优化ResNet模型的方法。模型首先将电力负荷预测定义为时间序列问题,随后引入一维ResNet进行电力负荷的回归预测,并提出使用FFT优化ResNet,通过对一层卷积结果进行FFT变换,赋予模型提取数据中周期性特征的能力。实验表明,在6 h电力负荷预测中,FFT-ResNet的预测精度优于几种基准模型,说明该方法在电力负荷预测方面具有良好的应用前景。
关键词:快速傅立叶变换;残差网络;短期电力负荷预测;卷积神经网络;时间序列;