基于多尺度卷积神经网络的短期电力负荷预测
许言路1
武志锴1
朱赫炎1
王斌斌2
邓卓夫2
1.国网辽宁省电力有限公司 经济技术研究院,沈阳1100152.东北大学 软件学院,沈阳110819
摘要：为了提高电力系统短期负荷预测的准确率,提出了一种基于深度学习技术的多尺度信息融合卷积神经网络(MS-ConvNet)模型.引入了全卷积网络结构和因果逻辑约束增强时间序列特征表达;利用多尺度卷积提取不同长度时域数据相互关系来获取更加丰富的序列特征;并设计残差网络结构增加网络深度,以增加输出神经元的接受域并提升预测精度.仿真结果表明,MS-Conv-Net模型的准确率及稳定性优于多层感知机、长短期记忆网络及门控循环单元网络,说明该模型在电力负荷预测方面具有良好的应用前景.
关键词：多尺度卷积卷积神经网络循环神经网络时间序列短期负荷预测残差学习全卷积因果卷积
分类号：TM73(输配电工程、电力网及电力系统)
资助基金：国家自然科学基金(61473073)
论文发表日期：2020-11-25
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：6( 618-623 )
英文信息