基于多因子反向传播神经网络的智能电网用电量预测
信号处理
2019-03-01 v1
摘要
随着现代信息技术（IT）的发展，智能电网已成为智慧城市的主要组成部分之一。为充分利用智能电网，电力输送的智能调度与规划能力至关重要。在实践中，诸多因素对用电量产生影响，这需要信息融合技术以全面理解。为此，研究者已探究了收集用电相关信息的方法及多种多因子用电预测模型。此外，开展综合分析并获取准确的用电评估，是更稳健高效电网设计与改造的前提与基础。因此，探索能够有效反映用电变化及融合信息内部关系的预测模型具有重要意义。基于神经网络进行用电量预测近年来成为热门研究课题，且反向传播神经网络（BPNN）算法已被公认为成熟有效的方法。本文采用 BPNN，以拥有较大规模智能电网的社区 Pecan Street 为案例，并考虑天气状况、周末与节假日等多因子进行用电量预测。各因子的影响已为深入洞察而加以评估。我们希望本工作能启发更多讨论与进一步研究，以指导未来智能电网的设计。
引用
@article{arxiv.1902.10823,
title = {Electricity Consumption Forecasting for Smart Grid using the Multi-Factor Back-Propagation Neural Network},
author = {Hao Song and Yu Chen and Ning Zhou and Genshe Chen},
journal= {arXiv preprint arXiv:1902.10823},
year = {2019}
}
备注
Submitted to the 2019 SPIE Defense + Commercial Sensing