基于深度置信网络的用电负荷分析方法研究

作者：左松林; 梁晓伟; 张靖

来源：电子设计工程, 2021, 29(04): 43-47.

DOI：10.14022/j.issn1674-6236.2021.04.010

• DBN
• 数据挖掘
• 用电负荷
• 智能电网
• 深度学习

为了增强电力调度的智能化程度,文中基于深度学习理论对用电负荷的分析与预测方法进行研究。对玻尔兹曼机(RBM)中的能量传递机制进行研究,将低层次的RBM作为高层次的输入搭建深度置信网络(DBN),实现电力负荷数据深层次的特征提取。通过引入一种基于信息熵的DBN隐藏层节点数确定方法,使用对比散度法完成网络训练。为了验证算法的有效性,使用EUNITE的开放数据集进行对比仿真实验。结果表明,在相同的时间复杂度下,BP网络与DBN网络在训练集上的相对误差分别为4.36%与4.21%;从训练集与测试集误差的变化上看,BP网络在测试集上的相对误差分别为9.64%与4.88%,相对误差大幅提升,而DBN网络则保持了训练集与测试集上相对误差的一致性。这说明DBN网络在用电负荷的预测上,具有较强的泛化能力。

• 单位
  国网安徽省电力有限公司