电气-基于深度学习分位数回归的电力负荷区间预测方法【程序数据文件】

论文

摘要：常规的短期负荷预测方法得到的都是确定的负荷预测序列，事实上，电力系统包含着各种不确定因素，决策工作因而面临着一定的风险。针对这一问题，提出一种基于深度学习分位数回归的电力负荷区间预测方法，预测结果能使决策者认识到未来负荷的不确定性和风险性。首先，将输入数据划分成负荷特征部分和时间天气特征部分，分别传入卷积神经网络和反向传播神经网络训练，再拼接输出后传入全连接层构成深度学习模型；然后，将该模型与分位数回归结合起来，并行生成预测负荷的多个分位数结果；最后，利用某地实际负荷数据进行了仿真。仿真算例结果表明该方法不仅可以获得更高精度（平均绝对百分误差小于1%）,甚至可获得某一置信水平下的负荷预测曲线的包络线。
关键词： 深度学习;分位数回归;负荷区间预测;卷积神经网络;反向传播神经网络;

数据集 程序文件
知网论文：基于深度学习分位数回归的电力负荷区间预测方法【程序数据集支撑文件】