基于特征排序与深度学习的母线负荷预测方法

查看全文 作　　者：[1]熊图;[1]赵宏伟;[1]陈明辉;[1]蔡智洋;[2]陈艳伟;Yordanos Kassa [3]Semero

机构地区：[1]广州供电局有限公司,广东广州510000;[2]北京清软创新科技股份有限公司,北京100085;[3]华北电力大学新能源电力系统国家重点实验室,北京102206

出　　处：《可再生能源》索引2019年第37卷第10期,共7页

基　　金：国家重点研发计划项目(2017YFB0903100) 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。 关键词：母线负荷预测特征排序随机森林深度置信网络

相关文献

参考文献（14）
引证文献（12）
耦合文献（194）

参考文献(14)

引证文献(12)

耦合文献(194)

互联网出版许可证新出网证(渝)字10号全国400电话 - 免长途话费

基于特征排序与深度学习的母线负荷预测方法

参考文献(14)

引证文献(12)

耦合文献(194)

用户提示