一种基于深度置信网络与权值共享的负荷预测方法

    公开(公告)号:CN111667090A

    公开(公告)日:2020-09-15

    申请号:CN202010216927.4

    申请日:2020-03-25

    IPC分类号: G06Q10/04 G06Q50/06 G06N3/04

    摘要: 一种基于深度置信网络与权值共享的负荷预测方法,包括以下步骤:S1、建立深度置信网模型;S2、建立权值共享模型;S3、结合S1及S2建立基于深度置信网络与权值共享的负荷预测模型;该预测方法以区域负荷为研究对象,采用基于受限玻尔兹曼机的深度置信网络对多个目标回归拟合,发挥模型优势,并对企业与企业间相关性进行分析,通过算例测试表明本发明适用于区域负荷预测场景,而且与传统预测方法相比,预测精度提升,且利用置信网络技术和权值共享理念提高负荷之间的复杂共享信息互相学习效率和提升抽象特征的训练效果;置信网络技术和权值共享理念相互结合可以各自相互改进自身弊端,最终生成最优的预测模型。