文章摘要
汪 琦,李 靖,刘蓉晖,易磊磊,孙改平,陈 腾.基于深度信念网络的供电可靠率预测模型[J].电力需求侧管理,2023,25(1):33-38
基于深度信念网络的供电可靠率预测模型
Power supply reliability forecasting model based on deep belief network
投稿时间:2022-09-18  修订日期:2022-12-02
DOI:10.3969/j.issn.1009-1831.2023.01.006
中文关键词: 供电可靠率预测  供电服务水平  深度信念网络  无监督训练方法  反向传播训练
英文关键词: power supply reliability forecasting  power supply service level  deep belief network  unsupervised training method  back-propagation training
基金项目:国网安徽省电力有限公司亳州供电公司科技项目(B312T0210007)
作者单位
汪 琦 国网安徽省电力有限公司 亳州供电公司安徽 亳州 236800 
李 靖 国网安徽省电力有限公司 亳州供电公司安徽 亳州 236800 
刘蓉晖 上海电力大学 电气工程学院上海 200082 
易磊磊 国网安徽省电力有限公司 亳州供电公司安徽 亳州 236800 
孙改平 上海电力大学 电气工程学院上海 200082 
陈 腾 上海电力大学 电气工程学院上海 200082 
摘要点击次数: 581
全文下载次数: 161
中文摘要:
      供电可靠率是供电服务水平的重要指标之一。提出了基于相关性分析和深度信念网络的供电可靠率预测模型。首先利用Pearson系数选取停电次数、最大负荷和用户电费均价系数作为输入特征集。然后将特征集输入到所建立的深度信念网络中,采用逐层无监督训练方法和反向传播训练方法对模型进行参数优化,通过该模型进行供电可靠率预测。最后将所提出的模型与传统人工神经网络、支持向量回归和差分整合移动平均自回归进行比较,结果验证了文章提出的供电可靠率预测模型的有效性。
英文摘要:
      Power supply reliability is an important indicator of power supply service level. A power supply reliability model based on correlation analysis and deep belief network is proposed.Firstly, Pearson coefficient is used to select the outage times, maximum load and average price coefficient of consumer electricity as the input feature set. Then the feature set is put into the established deep belief network, the parameters of the model are optimized by layer- by-layer unsupervised training method and back propagation training method. The model is used to predict the power supply reliability. Finally, the proposed framework is compared with artificial neural network, support vector regression and autoregressive integrated moving average. Simulation results show the effectiveness of the proposed power supply reliability forecasting model.
查看全文   查看/发表评论  下载PDF阅读器
关闭