期刊文献⁺

任意字段

题名或关键词

题名

关键词

文摘

作者

第一作者

机构

刊名

分类号

参考文献

作者简介

基金资助

栏目信息

深度学习算法在电力系统短期负荷预测中的应用被引量：10

原文传递

导出

摘要首先,简要介绍了深度学习算法的有关内容,包括深度学习与神经网络的比较和深度学习的训练过程。其次,从负荷的日属性、负荷的周属性、温度因素、节假日因素这几个方面对负荷的特性进行了研究。最后,根据负荷的历史数据,应用深度学习算法进行了短期负荷预测,并将其预测结果与BP神经网络的预测结果做了比较。

作者董浩程鹏李玲玲

机构地区河北工业大学电气工程学院

出处《电气时代》 2017年第2期82-84,共3页 Electric Age

关键词短期负荷预测学习过程神经网络负荷曲线电力负荷电力系统规划负荷数据训练过程负荷特性历史数据

分类号 TM715 [电气工程—电力系统及自动化]

引文网络
相关文献

同被引文献84

1邓带雨,李坚,张真源,滕予非,黄琦.基于EEMD-GRU-MLR的短期电力负荷预测[J].电网技术,2020,44(2):593-602. 被引量：135
2杨培宏,刘文颖.基于改进的Prony算法在线辨识电力系统低频振荡模式[J].低压电器,2008(5):47-51. 被引量：2
3罗霄,任勇,山秀明.基于Python的混合语言编程及其实现[J].计算机应用与软件,2004,21(12):17-18. 被引量：63
4杨昭,金国民,苗志彬.基于模糊-RBF BP神经网络的天然气负荷预测[J].暖通空调,2005,35(3):96-99. 被引量：6
5王珂娜,邹北骥,黄文梅.一种基于神经网络的畸变图像校正方法[J].中国图象图形学报（A辑）,2005,10(5):603-607. 被引量：25
6邵莹,高中文.基于模糊集理论的短期电力负荷预测[J].信息技术,2005,29(5):18-20. 被引量：10
7刘卫东,刘尚合,胡小锋,王雷.小波阈值去噪函数的改进方法分析[J].高电压技术,2007,33(10):59-63. 被引量：67
8崔旭.K—FOLD交叉验证和BP神经网络在图书智能分布中的应用[J].内蒙古科技与经济,2008(22):270-271. 被引量：2
9吕喜明,李明远.最小二乘曲线拟合的MATLAB实现[J].内蒙古民族大学学报（自然科学版）,2009,24(2):125-127. 被引量：52
10赵志宏,杨绍普,马增强.基于卷积神经网络LeNet-5的车牌字符识别研究[J].系统仿真学报,2010,22(3):638-641. 被引量：151

引证文献10

1冷跻峰,徐晓钟.基于EEMD-MIPCA-LSTM的燃气短期负荷预测[J].计算机系统应用,2020,29(12):163-169. 被引量：6
2杨波,魏军,陈佐虎.深度学习算法在企业领导干部考核评价系统中的应用[J].企业改革与管理,2021(6):71-72.
3罗欣,张爽.深度学习在电力潜在投诉识别分类中的应用[J].浙江电力,2017,36(10):83-86. 被引量：7
4陈柏立,林楠.基于卷积神经网络的交通路标识别[J].计算机与现代化,2018(7):103-107. 被引量：2
5叶琳,杨滢,洪道鉴,陈新建.深度学习在电力系统中的应用研究综述[J].浙江电力,2019,38(5):83-89. 被引量：16
6张彤,徐晓钟,王晓霞,杨超.基于改进LMD与GRU网络的短期燃气负荷预测[J].计算机系统应用,2019,28(6):29-37. 被引量：4
7张建寰,吉莹,陈立东.深度学习在电力负荷预测中的应用[J].自动化仪表,2019,40(8):8-12. 被引量：35
8李德璐,赵金脉,李大华,田禾.基于卷积神经网络的负荷预测[J].能源工程,2022,42(6):75-79. 被引量：2
9刘铭,方向,王多林,刘东鹏,刘方兴,贺青,许东.用电大数据分析与电表异常检测[J].数学的实践与认识,2023,53(8):155-165. 被引量：2
10方向.基于深度学习技术的电表大数据检测系统[J].人工智能与机器人研究,2022,11(1):31-45.

二级引证文献72

1陈振宇,刘金波,李晨,季晓慧,李大鹏,黄运豪,狄方春,高兴宇,徐立中.基于LSTM与XGBoost组合模型的超短期电力负荷预测[J].电网技术,2020,44(2):614-620. 被引量：228
2王思碧.基于精益化管理的客户投诉分析与管控[J].电力大数据,2018,21(9):15-19. 被引量：4
3吴刚勇,张千斌,吴恒超,顾冰.基于自然语言处理技术的电力客户投诉工单文本挖掘分析[J].电力大数据,2018,21(10):68-73. 被引量：19
4李华莹,林道玉,张捷,刘必欣.基于生成对抗网络的遥感图像去云算法[J].计算机与现代化,2019,0(11):13-17. 被引量：3
5杨菁,金鹏,刘鲲鹏,徐青,张明杰.客服专员业务能力体系与培训规划研究[J].电力大数据,2019,22(11):8-13.
6段立,徐鸿宇,王懿,赵莉,刘冲,郭娇.基于word2vec和XGBoost相结合的国网95598客服投诉工单分类[J].电力大数据,2019,22(12):50-57. 被引量：5
7陈琛,郭莉,高正平,谈健,吴晨.泛在电力物联网背景下人工智能在电网企业中的应用研究[J].江苏理工学院学报,2019,25(4):1-6. 被引量：5
8刘月峰,杨宇慧.基于CNN-LSTM的短期电力负荷预测研究[J].科技创新与应用,2020,0(1):84-85. 被引量：15
9李一琨,车权,赵慧荣,彭道刚.基于PSO-SVM的电网调度电厂耗煤基准值滚动预测[J].中国电力,2020,53(2):142-149. 被引量：4
10余萍,曹洁.深度学习在故障诊断与预测中的应用[J].计算机工程与应用,2020,56(3):1-18. 被引量：61

1秦栗.电力变压器高压试验及故障处理[J].电子测试,2013,24(9):106-108. 被引量：11
2莫社焕.电力变压器高压试验研究[J].建材发展导向,2013,11(1):338-340.
3赵娜,张华.电力变压器高压试验研究分析[J].科技与企业,2012(1):84-84. 被引量：22
4汪义旺,曹丰文,张波,林燕.基于温度系数在线修正的光伏MPPT[J].可再生能源,2013,31(8):100-102. 被引量：4
5郭勇.论变压器试验中的相关问题及其故障处理[J].科技与企业,2015,0(23):182-182.
6曹军威,袁仲达,明阳阳,张华赢.能源互联网大数据分析技术综述[J].南方电网技术,2015,9(11):1-12. 被引量：68
7徐建,邱晓燕,张子健,周曲.两种新型综合模型在短期负荷预测中的应用[J].电力系统保护与控制,2010,38(17):101-106. 被引量：8
8樊一娜.基于小波变换的短期电力负荷预测[J].青海大学学报（自然科学版）,2012,30(1):25-29.
9朱麟.电力变压器高压试验研究[J].中国高新技术企业,2014(35):34-35. 被引量：2
10石鑫,朱永利.深度学习神经网络在电力变压器故障诊断中的应用[J].电力建设,2015,36(12):116-122. 被引量：52

电气时代

2017年第2期

相关作者

内容加载中请稍等...

相关机构

内容加载中请稍等...

相关主题

内容加载中请稍等...

浏览历史

内容加载中请稍等...

;

使用帮助返回顶部