智能电网等关键基础设施的管理和高效运行极大地利用了电力负荷的精确预测,由于其非线性性质,这仍然是一项具有挑战性的任务。最近,深度学习已经出现在机器学习领域,在从图像分类到机器翻译的广泛任务中取得了令人印象深刻的性能。将深度学习模型应用于电力负荷预测问题正引起研究者和业界的兴趣,但目前还没有对不同体系结构进行全面、完善的比较。通过对比深度学习体系结构对短期预测,在通过在两个数据集上回顾和实验评估电力负荷预测的最新趋势,填补这一空白。具体来说,我们关注前馈和递归神经网络、序列到序列模型、时域卷积神经网络以及架构变量,这些在信号处理领域是已知的,但对负荷预测领域来说是新颖的.
在这项工作中,我们调查和实验评估了最相关的深度学习模型应用于短期负荷预测问题,为该领域的标准化评估和识别最优解决方案铺平了道路。重点介绍了三种主要的模型,即递归神经网络、序列对序列体系结构和最近开发的时间卷积神经网络。
智能电网,电力负荷预测,时间序列预测,深度学习,循环神经网络,lstm, gru,时间卷积神经网络,序列对序列模型
www.mx-dm.com