基于一种新型鲁棒损失的神经网络短期负荷预测方法

作者：蔡秋娜; 潮铸; 苏炳洪; 王龙; 段秦尉; 温亚坤^*; 李冰

来源：电网技术, 2020, 44(11): 4132-4139.

DOI：10.13335/j.1000-3673.pst.2019.2614

• 信息熵
• 指数损失
• 鲁棒性
• 人工神经网络
• 短期负荷预测

首先提出了一种由熵诱导出的度量(称为CIM),这种度量具有非凸性,鲁棒性,平滑性,有界性,逼近行为等。将该度量用作人工神经网络(称为ANN)的损失函数,以提高其鲁棒性,然后建立新的鲁棒人工神经网络框架(称为指数损失人工神经网络,即ELANN)以减少噪声和异常值的影响。ELANN继承了ANN的优势,并提高了ANN在解决回归问题中的预测性能。利用广东电网2016—2018年的实际负荷数据进行仿真分析,结果表明该方法可以有效提高负荷预测的准确性和可靠性,为电力调度部门提供可靠的决策依据。

• 单位
  广东电网有限责任公司电力调度控制中心