文献类型：期刊文章

作　　者：李若晨[1] 朱帆[2] 朱永利[3] 翟羽佳[4]

LI Ruochen;ZHU Fan;ZHU Yongli;ZHAI Yujia(State Grid Hebei Power Co.,Ltd.Pingshan County Power Supply Branch,Pingshan 050400,China;Philosophy Department,Capital Normal University,Beijing 100037,China;School of Control and Computer Engineering,North China Electric Power University,Baoding 071000,China;Department of Electrical Engineering,North China Electric Power University,Baoding 071000,China)

机构地区：[1]国网河北省电力有限公司平山县供电分公司,河北平山050400 [2]首都师范大学哲学系,北京100037 [3]华北电力大学控制与计算机工程学院,河北保定071000 [4]华北电力大学电力工程系,河北保定071000

出　　处：《电力系统保护与控制》

基　　金：国家自然科学基金项目资助(51677072)~~

年　　份：2018

卷　　号：46

期　　号：17

起止页码：83-88

语　　种：中文

收录情况：BDHX、BDHX2017、CSA、CSA-PROQEUST、CSCD、CSCD2017_2018、EI、IC、JST、RCCSE、SCOPUS、UPD、ZGKJHX、核心刊

摘　　要：短期负荷预测的重要性随着电力企业的发展不断提高。传统的负荷预测虽然已经发展相对成熟,但现阶段对负荷预测的准确性要求逐渐提高。为满足发展需要,则要对现有的方法进行改进或建立新的预测方法。通过分析负荷预测数据周期性及周期内的特征,结合递归神经网络在分析时间序列数据的独特优势和受限玻尔兹曼机的强大的无监督学习能力,对结合受限玻尔兹曼机的递归神经网络的工作原理及训练过程进行了阐述。利用该网络进行了电力负荷数据预测实验验证并与其他神经网络进行了比较性实验。结果表明,所提出的神经网络较其他网络在电力短期负荷预测实验中有更高的准确性。

关 键 词：负荷预测 递归神经网络 受限玻尔兹曼机  时间序列

分 类 号：TM715]