典型文献
基于多分支门控残差卷积神经网络的短期电力负荷预测
文献摘要：
短期电力负荷预测是电力部门进行电网规划和运行调度的重要工作之一,针对负荷数据的时序性特征,为提升电力负荷预测精度,建立了一种基于多分支门控残差卷积神经网络(residual gated convolutional neural network,RGCNN)的短期电力负荷预测模型.该模型首先采用多分支门控残差卷积神经网络对历史负荷的周周期特征、日周期特征、近邻特征进行深度特征提取;其次为增加模型的非线性拟合能力,采用注意力机制对权重进一步合理分配;最后通过归一化指数函数计算后输出负荷预测结果.使用2016年某电力竞赛数据进行实验,通过与4种常用模型对比,该模型预测结果的平均绝对百分误差(MAPE)评价指标下降了0.02%~0.70%,验证了该模型提高负荷预测精度的有效性.
文献关键词：
短期负荷预测;多分支神经网络;门控残差卷积神经网络;注意力机制;特征提取
中图分类号：
作者姓名：
樊江川;于昊正;刘慧婷;杨丽君;安佳坤
作者机构：
国网河南省电力公司经济技术研究院,河南 郑州 450002;电力电子与电力传动河北省重点实验室(燕山大学),河北 秦皇岛 066004;国网河北省电力有限公司经济技术研究院,河北 石家庄 050011
文献出处：
引用格式：
[1]樊江川;于昊正;刘慧婷;杨丽君;安佳坤-.基于多分支门控残差卷积神经网络的短期电力负荷预测)[J].中国电力,2022(11):155-162,174
A类：
门控残差卷积神经网络,RGCNN,多分支神经网络,分支神经网络
B类：
短期电力负荷预测,电力部门,电网规划,运行调度,负荷数据,时序性特征,residual,gated,convolutional,neural,network,负荷预测模型,周期特征,近邻,深度特征提取,非线性拟合,注意力机制,合理分配,归一化指数,指数函数,模型对比,MAPE,高负荷,短期负荷预测
AB值：
0.185327
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
