典型文献
基于深度学习的电力负荷预测方法综述
文献摘要：
电力能源的合理使用和调度一直是关系民生的重要问题,其中的电力负荷预测是近年来学者研究的重点.传统的基于统计学习方法的预测方法由于负荷的非线性和随机因素导致效果不佳,因此研究者把目光放在了近年来热门的人工智能(Artificial Intelligence,AI)领域,比如人工神经网络(Artificial Neural Network,ANN)、机器学习(Machine Learning,ML)和深度学习(Deep Learning,DL).最近,深度学习在电力负荷预测方面有着不俗的表现,比如基于时间序列的负荷预测.本文介绍深度学习在电力负荷和能源系统预测方面的经典算法,并通过比较各个预测模型的均方根误差(Root Mean Square Error,RMSE)和平均绝对误差(Mean Absolute Error,MAE)来衡量模型的精确度和鲁棒性,目的在于探索深度学习领域不同算法所建立的模型对电力负荷预测的误差和拟合度,为电力负荷预测在不同的数据结构和数据规模下提供模型参考.最后的结果表明,多个组合模型所得到的预测精度明显好于单个模型的预测精度.
文献关键词：
深度学习;负荷预测;人工神经网络;机器学习;预测精度
中图分类号：
作者姓名：
孟醒;邵剑飞
作者机构：
昆明理工大学 信息工程与自动化学院,云南 昆明 650000
文献出处：
引用格式：
[1]孟醒;邵剑飞-.基于深度学习的电力负荷预测方法综述)[J].电视技术,2022(01):44-51
A类：
B类：
电力负荷预测,负荷预测方法,方法综述,电力能源,系民,统计学习方法,随机因素,目光,Artificial,Intelligence,人工神经网络,Neural,Network,ANN,Machine,Learning,ML,Deep,DL,不俗,能源系统,Root,Mean,Square,Error,RMSE,平均绝对误差,Absolute,MAE,学习领域,拟合度,数据结构,组合模型
AB值：
0.351948
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。
