分类: 计算机科学 >> 计算机应用技术 提交时间: 2022-04-26
摘要: 负荷预测能有效助力负荷供需的动态平衡,保障电力系统稳定运行。基于统计模型和基于深度学习是目前构建预测方法的两种思路,但是少有从可解释的角度构建负荷预测方法。本文利用深度神经网络的非线性拟合能力,以及指数平滑模型的可解释特性,提出了深度平滑因子模型(DeepES)。从实际负荷序列数据中的预测结果来看,DeepES模型实现了最优的预测效果,而且相比于传统单一因子作为网络输入的RNNs网络具有更精确、可解释性更好的负荷预测模型。