摘要
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