- 详情
- 2021-04-27
- 简介
pdf
- 173KB
- 页数 3P
- 阅读 94
- 下载 34
首先,简要介绍了深度学习算法的有关内容,包括深度学习与神经网络的比较和深度学习的训练过程。其次,从负荷的日属性、负荷的周属性、温度因素、节假日因素这几个方面对负荷的特性进行了研究。最后,根据负荷的历史数据,应用深度学习算法进行了短期负荷预测,并将其预测结果与BP神经网络的预测结果做了比较。
对不起,您暂无在线预览权限,如需浏览请
立即登录热门商品
相关推荐
改进的BP算法在电力系统短期负荷预测中的应用 429KB
深度学习算法在电力系统短期负荷预测中的应用 173KB
电力系统短期负荷预测方法研究 15.4MB
自适应滤波算法在电力系统短期负荷预测中的应用 540KB
电力系统短期负荷预测分析 1.5MB
电力系统短期负荷预测的静态分析 2.4MB
电力系统短期负荷预测的研究 370KB
改进的BP算法在短期电力负荷预测中的应用 307KB
基于混合算法的电力系统负荷预测 862KB
粒子群优化BP算法在电力系统短期负荷预测中的应用 327KB