典型文献
基于分位数损失的短期概率负荷预测
文献摘要：
为提高电力负荷预测精度,并针对用电不规律导致的负荷数据波动性大的问题,提出一种分位数损失引导的门控卷积神经网络模型.首先,使用卷积神经网络提取出历史数据中更多的重要特征;其次,在模型训练过程中采用分位数损失指导训练,然后添加门控单元使得关键特征更加明显;最后,模型输出每个分位点的预测值.实验结果表明,相对于多种概率负荷预测模型,所提的分位数引导的门控卷积神经网络模型在概率负荷预测方面具有更好的预测精度,同时具有良好的实际应用前景.
文献关键词：
分位数损失;门控单元;卷积神经网络;概率负荷预测
中图分类号：
作者姓名：
许言路;南哲;赵琳;徐腾腾;王斌斌;邓卓夫
作者机构：
国网辽宁省电力有限公司经济技术研究院,辽宁沈阳110015;东北大学软件学院,辽宁沈阳110819
文献出处：
引用格式：
[1]许言路;南哲;赵琳;徐腾腾;王斌斌;邓卓夫-.基于分位数损失的短期概率负荷预测)[J].控制工程,2022(07):1278-1284
A类：
分位数损失,概率负荷预测
B类：
电力负荷预测,负荷数据,波动性,门控卷积神经网络,卷积神经网络模型,历史数据,模型训练,训练过程,指导训练,门控单元,关键特征,模型输出,负荷预测模型
AB值：
0.175554
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
