基于多源异构数据与深度神经网络的电量预测系统

电力负荷与电量消耗的预测是电力系统中不可或缺的一部分，对资源调度与电力安全起着至关重要的作用。在多源异构大数据的环境下，文中收集了半个月内固定区域内的电力资源消耗数据、气象数据和人群移动数据，通过设计深度网络结构对特定区域内的总用电量变化趋势进行准确预测。文章设计了堆栈式去噪自编码器对大型异构数据进行特征提取，然后使用长短时记忆神经网络对特征进行预测模型的训练。通过实验验证，去噪自编码器可以很好地学习到异构数据的深度特征表示，长短时记忆神经网络可以从历史时间维度上捕捉特征之间的潜在关联并得到具有低误差的预测模型。最终，本中证明了利用多源异构数据集可以更好地反应特定区域的用电习惯，并给出高精度的电量预测模型，为供电部门进行更好地电力资源管理与调度。