基于卷积神经网络和深度置信网络的多类型能源需求预测方法

作者：许若冰; 王璇; 赵倩宇; 王守相

来源：供用电, 2020, 37(10): 65-70.

DOI：10.19421/j.cnki.1006-6357.2020.10.010

• 人工智能
• 深度学习
• 卷积神经网络
• 深度置信网络
• 多类型能源需求预测

精准的需求预测对于高效、绿色地使用多种类型能源具有十分重要的作用,值得开展深入研究。结合当前人工智能的研究热点,提出了一种基于卷积神经网络(convolutional neural network,CNN)和深度置信网络(deep belief network,DBN)的多类型能源需求预测方法。首先,通过CNN进行自动特征提取,并将其中间层的更有效特征抽取出来。然后,将抽取到的特征输入给DBN网络,从而进行无监督和有监督方式相结合的训练学习,最终得到能源需求预测结果。最后,仿真实验表明,所提模型能够有效提取数据样本特征,挖掘各类型能源需求的演变规律,验证了所提模型的有效性和适用性。

• 单位
  智能电网教育部重点实验室; 天津大学