用于智能电网电价预测的深度学习模型

作者：缪俞蓉; 陈森博

来源：西南师范大学学报(自然科学版), 2021, 46(05): 153-158.

DOI：10.13718/j.cnki.xsxb.2021.05.023

• 智能电网电价预测
• 大数据
• 互信息
• 核主成分分析
• 增强卷积神经网络

针对机器学习方法在大型数据集上电价预测准确性低等问题,本文提出一种基于大数据时间序列的深度学习电价预测模型,用于智能电网的电价预测.该模型首先将收集到的数据进行预处理规范化,采用ReliefF算法和互信息(Mutual Information,MI)的混合模块进行特征选择,其次将改进后的特征赋予核主成分分析(Kernel Principal Component Analysis,KPCA)进行特征提取,最后采用增强卷积神经网络(Enhanced Convolution Neural Network,ECNN)对电价进行有效的预测.实验结果表明:与现有的基准方案相比,本文所提出的模型能够更好地预测智能电网电价,有助于智能电网更好地运行和规划发电.

• 单位
  南通大学; 江苏商贸职业学院