自编码器与PSOA-CNN结合的短期负荷预测模型

王文卿¹(),撖奥洋²,于立涛²,张智晟^1,*()

1. 青岛大学电气工程学院, 山东 青岛 266071
2. 国网青岛供电公司, 山东 青岛 266002

收稿日期:2018-12-12出版日期:2019-07-20发布日期:2019-06-27
通讯作者:张智晟E-mail:517660558@qq.com;slnzzs@126.com
作者简介:王文卿(1995—),女,硕士研究生,研究方向为电力系统短期负荷预测.E-mail:517660558@qq.com
基金资助:国家自然科学基金资助项目(51477078)

Short-term load forecasting model based on autoencoder and PSOA-CNN

Wen-qing WANG¹(),Ao-yang HAN²,Li-tao YU²,Zhi-sheng ZHANG^1,*()

1. College of Electrical Engineering, Qingdao University, Qingdao 266071, Shandong, China
2. Qingdao Electric Power Company of State Grid, Qingdao 266002, Shandong, China

Received:2018-12-12Online:2019-07-20Published:2019-06-27
Contact:Zhi-sheng ZHANG E-mail:517660558@qq.com;slnzzs@126.com

Supported by:国家自然科学基金资助项目(51477078)

摘要/Abstract

摘要： 提出了一种自编码器与PSO算法优化卷积神经网络结合的电力系统短期负荷预测模型。首先利用自编码器对相关变量数据进行处理,降低所需数据的噪声变量,提高预测效率;然后利用粒子群算法对卷积神经网络的权值和阈值进行优化,可有效提高预测模型的预测精度和预测速度。通过对实际电网的负荷数据进行仿真,验证了模型具有较高的预测精度。


PDF全文下载地址:

http://lxbwk.njournal.sdu.edu.cn/CN/article/downloadArticleFile.do?attachType=PDF&id=3113