基于特征排序与深度学习的母线负荷预测方法

论文摘要

负荷预测是指导电力系统规划和安全经济运行的重要依据。传统的负荷预测一般指区域负荷总量的预测,不能够体现底层母线负荷水平,无法满足电网精益化管理的要求,母线负荷预测是解决这一问题的关键途径。文章提出了基于特征排序与深度学习的母线负荷预测模型。首先,针对各区域母线负荷差异性较大的现状,使用随机森林算法对预测目标影响较大因素进行排序,选择特征贡献度较高的特征属性;其次,在模型训练阶段选择了深度置信网络,学习并跟踪母线负荷变化趋势;最后,采用北京电网某条110 kV母线负荷进行实例验证。结果表明,文章所建立的预测模型具有良好的预测精度和稳定度。

论文目录

• 0前言
• 1 基于特征排序与深度置信网络的母线负荷预测模型
• 2 预测模型及算法机理分析
•   2.1 深度置信网络模型
•   2.2 随机森林的特征贡献度分析
• 3 算例分析
•   3.1 DBN模型超参数分析
•   3.2 特征排序分析
•   3.3 母线负荷预测结果分析
• 4 结束语

文章来源

类型: 期刊论文

作者: 熊图,赵宏伟,陈明辉,蔡智洋,陈艳伟,Yordanos Kassa Semero

关键词: 母线负荷预测,特征排序,随机森林,深度置信网络

来源: 可再生能源 2019年10期

年度: 2019

分类: 工程科技Ⅱ辑,农业科技

专业: 电力工业

单位: 广州供电局有限公司,北京清软创新科技股份有限公司,华北电力大学新能源电力系统国家重点实验室

基金: 国家重点研发计划项目(2017YFB0903100)

分类号: TM715

DOI: 10.13941/j.cnki.21-1469/tk.2019.10.015

页码: 1511-1517

总页数: 7

文件大小: 1801K

下载量: 275