标题：融合深度信念网络的电力负荷预测研究
作者：蔡福禄 杨曦 赵梓然
作者单位：华电云南发电有限公司绿水河发电厂，云南 开远 661600
关键字：电力负荷；神经网络；深度信念网络；短期预测
摘要：负荷预测对电力系统的运行和维护极为关键。电力负荷预测在电力系统战略规划中意义重大，涉及新建发电或输电容量调度。深度信念网络（DBN）在图像分类等领域成果颇丰。构建了由多层受限玻尔兹曼机组成的DBN，先通过逐层无监督训练初步处理网络，再借助有监督反向传播微调参数。基于2018~2024年国内某城市每小时电力消耗数据，运用该DBN模型进行短期电力负荷预测。将预测结果与最新实际数据对比，同时和典型前馈多层感知器神经网络及当地供电公司的预测数据比较。相比供电公司24小时超前预测，DBN模型平均绝对百分比误差（MAPE）最多降低8.6%，日峰值预测时MAPE最多降低21%。构建的由多层受限玻尔兹曼机组成的DBN对于精准电力负荷预测具有重要意义。