本文主要研究内容
作者朱俊丞,杨之乐,郭媛君,于坤杰,张建康,穆晓敏（2019）在《深度学习在电力负荷预测中的应用综述》一文中研究指出：在综合能源系统和能源互联网的高速发展中,电力负荷预测对电力系统的经济安全运行具有重要的作用.传统的负荷预测模型方法已在电力系统中取得了广泛应用,传统方法的简单计算模型对于高随机性、大数据背景下的动态负荷预测精度无法保证.近年来,在计算工具不断升级和训练数据量大规模提升的背景下,深度学习方法在电力负荷预测领域的应用得到了广泛重视.对多种深度学习方法在负荷预测领域中的应用进行了叙述分析,回顾了循环神经网络(RNN)、长短期记忆网络(LSTM)、深度置信网络(DBN)、卷积神经网络(CNN)等不同深度学习方法预测模型.对比于传统的负荷预测方法,深度学习方法具有更高的预测精度,对于各种外部影响因素具有更好的鲁棒性.
Abstract
zai zeng ge neng yuan ji tong he neng yuan hu lian wang de gao su fa zhan zhong ,dian li fu he yu ce dui dian li ji tong de jing ji an quan yun hang ju you chong yao de zuo yong .chuan tong de fu he yu ce mo xing fang fa yi zai dian li ji tong zhong qu de le an fan ying yong ,chuan tong fang fa de jian chan ji suan mo xing dui yu gao sui ji xing 、da shu ju bei jing xia de dong tai fu he yu ce jing du mo fa bao zheng .jin nian lai ,zai ji suan gong ju bu duan sheng ji he xun lian shu ju liang da gui mo di sheng de bei jing xia ,shen du xue xi fang fa zai dian li fu he yu ce ling yu de ying yong de dao le an fan chong shi .dui duo chong shen du xue xi fang fa zai fu he yu ce ling yu zhong de ying yong jin hang le xu shu fen xi ,hui gu le xun huan shen jing wang lao (RNN)、chang duan ji ji yi wang lao (LSTM)、shen du zhi xin wang lao (DBN)、juan ji shen jing wang lao (CNN)deng bu tong shen du xue xi fang fa yu ce mo xing .dui bi yu chuan tong de fu he yu ce fang fa ,shen du xue xi fang fa ju you geng gao de yu ce jing du ,dui yu ge chong wai bu ying xiang yin su ju you geng hao de lu bang xing .
论文参考文献
论文详细介绍
论文作者分别是来自郑州大学学报(工学版)的朱俊丞,杨之乐,郭媛君,于坤杰,张建康,穆晓敏，发表于刊物郑州大学学报(工学版)2019年05期论文，是一篇关于深度学习论文,电力系统论文,负荷预测论文,人工神经网络论文,郑州大学学报(工学版)2019年05期论文的文章。本文可供学术参考使用，各位学者可以免费参考阅读下载，文章观点不代表本站观点，资料来自郑州大学学报(工学版)2019年05期论文网站，若本站收录的文献无意侵犯了您的著作版权，请联系我们删除。
标签：深度学习论文; 电力系统论文; 负荷预测论文; 人工神经网络论文; 郑州大学学报(工学版)2019年05期论文;