基于一种新型鲁棒损失的神经网络短期负荷预测方法OA北大核心CSCDCSTPCD
Short-term Load Forecasting Method Based on A Novel Robust Loss Neural Network Algorithm
首先提出了一种由熵诱导出的度量(称为CIM),这种度量具有非凸性,鲁棒性,平滑性,有界性,逼近行为等.将该度量用作人工神经网络(称为ANN)的损失函数,以提高其鲁棒性,然后建立新的鲁棒人工神经网络框架(称为指数损失人工神经网络,即ELANN)以减少噪声和异常值的影响.ELANN继承了ANN的优势,并提高了ANN在解决回归问题中的预测性能.利用广东电网2016-2018年的实际负荷数据进行仿真分析,结果表明该方法可以有效提高负荷预测的准确性和可靠性…查看全部>>
蔡秋娜;潮铸;苏炳洪;王龙;段秦尉;温亚坤;李冰
广东电网有限责任公司电力调度控制中心,广东省广州市510600广东电网有限责任公司电力调度控制中心,广东省广州市510600广东电网有限责任公司电力调度控制中心,广东省广州市510600广东电网有限责任公司电力调度控制中心,广东省广州市510600广东电网有限责任公司电力调度控制中心,广东省广州市510600北京清能互联科技有限公司,北京市海淀区100080北京清能互联科技有限公司,北京市海淀区100080
信息技术与安全科学
信息熵指数损失鲁棒性人工神经网络短期负荷预测
《电网技术》 2020 (11)
4132-4139,8
评论