基于CNN-PSO-DBN的短期电力负荷预测

作者：方娜; 陈浩; 李新新; 邓心

来源：计算机仿真, 2023, 40(10): 118-122.

• 特征筛选
• 卷积神经网络
• 粒子群优化算法
• 深度信念网络
• 负荷预测

电力负荷参数受多维因素影响，为提高短期电力负荷预测精度，提出一种基于特征参数筛选的卷积神经网络(Convolutional Neural Network, CNN)和深度信念网络(Deep Belief Network, DBN)结合的负荷预测模型。首先通过对多维输入参数进行优化筛选，利用CNN进行特征提取，将提取的特征向量输入到DBN网络中进行训练，得出预测结果。由于DBN网络权值的随机初始化，采用粒子群优化(Particle Swarm Optimization, PSO)算法迭代求解权重最优值。仿真结果表明，上述方法较于其它网络模型具有更好的预测性能。

• 单位
  湖北工业大学