典型文献
基于双三层深度神经网络的短期负荷预测
文献摘要：
短期负荷预测能为电力系统的电力调度方案提供依据,深度学习在负荷预测具有优异的学习性能,因此在电力系统得到广泛应用.本文提出了双三层深度神经网络的短负荷期预测方法,第一层深度神经网络通过学习历史电力负荷的变化特性,并预测下一天的电力负荷;第二层深度神经网络用于优化第一层内部隐含层神经元的个数.通过仿真结果表明,所提双三层深度神经网络算法训练效果好,具有更高的预测准确率,为科研人员在选择神经元个数上提供了可行方法.最后通过我国某地区的实际负荷数据验证双三层神经网络在短期负荷预测的有效性.
文献关键词：
双三层深度神经网络;深度神经网络;深度学习;神经元优化;短期负荷预测
中图分类号：
作者姓名：
殷林飞;刘东端
作者机构：
广西大学电气工程学院,广西 南宁530004
文献出处：
引用格式：
[1]殷林飞;刘东端-.基于双三层深度神经网络的短期负荷预测)[J].广西电力,2022(01):20-25,47
A类：
双三层深度神经网络,神经元优化
B类：
短期负荷预测,电力系统,电力调度,调度方案,学习性,第一层,电力负荷,变化特性,第二层,隐含层,神经网络算法,算法训练,训练效果,预测准确率,科研人员,可行方法,某地区,负荷数据,数据验证
AB值：
0.220984
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。
