基于深度学习的并行负荷预测方法
针对传统电力负荷预测算法存在模型训练速度慢、预测效果差等问题,提出基于深度学习的并行负荷预测方法.该方法基于MapReduce并行计算框架,结合深度信念网络模型,以历史负荷信息与天气信息为样本数据进行并行化训练,并通过训练模型预测负荷值.经实验验证,本文的预测方法预测的电力负荷值与实际值的平均均方根误差为2.86%,预测精度高于传统方法,且有效减少了训练与预测时间,能适应大规模电力数据的预测要求.
负荷预测、深度学习、并行计算、置信度网络、无监督学习
38
TP1;TP3
广东省科技计划项目2017B090901041
2017-08-22（万方平台首次上网日期，不代表论文的发表时间）
共5页
26-30
