基于TensorFlow和深度自编码器的短期电力负荷预测
信号处理
2019-07-23 v1 系统与控制
系统与控制
摘要
本文在大数据背景下对短期电力负荷预测方法进行研究。其构建了一种基于深度自编码器网络（DAENs）的新电力负荷预测模型，该模型考虑了包含历史负荷值、温度、日类型等多维负荷相关数据集合。据此提出了一种基于TensorFlow和DAENs的分布式短期负荷预测方法，并设计了算法流程图。该方法克服了传统神经网络方法过拟合、收敛慢和局部最优等缺点。案例研究结果表明，与传统神经网络方法相比，所提方法在预测精度、稳定性和可扩展性方面具有明显优势。因此，该模型能更好地满足大数据场景下短期电力负荷预测的需求。
引用
@article{arxiv.1907.08941,
title = {Short-term Electric Load Forecasting Using TensorFlow and Deep Auto-Encoders},
author = {Xin Shi},
journal= {arXiv preprint arXiv:1907.08941},
year = {2019}
}
备注
8 pages