科研之友
微信
新浪微博
Facebook
分享链接
摘要
电力负荷预测是进行电力能源供需精准化管理的重要手段。然而，许多传统的预测模型只关注预测的准确性，而忽略了预测的稳定性，导致实际应用中表现欠佳。因此，提出能克服传统模型缺陷的新模型是非常有必要的。本文以澳大利亚昆士兰州的电力负荷时间序列数据为例，提出了一种将先进的数据预处理策略、深度神经网络和多目标优化算法相结合的混合模型。其中，数据预处理策略用于对原始数据分解和去噪，深度神经网络用于数据学习和预测，而多目标优化算法用于深度神经网络初始参数的优化。实验结果表明，本文提出的模型具有较高的预测精度和预测稳定性，能较好地运用于电力负荷时间序列的短期预测。
- 单位
