Scidown文献预览系统!
基于马尔可夫切换分布式深度信念网络的短期负荷预测( Short term load forecasting with markovian switching distributed deep belief networks )
Y Dong Z Dong T Zhao Z Li Z Ding
在现代电力系统中,当一个中央控制器单独处理大量负荷数据时,集中式短期负荷预测(STLF)方法引起了对通信要求和可靠性的关注。作为一种替代方案,分布式方法避免了上述问题,但仍存在网络攻击和预测精度不确定的问题。为了解决这两个问题,基于完全分布式框架,提出了一种基于马尔可夫交换拓扑的分布式深度信任网络(DDBN)用于精确的STLF。在没有中央调控器的情况下,负荷数据集被分离,模型在局部进行训练,同时通过与随机邻居的通信在设计的一致过程下获得更新,从而大大缩短了训练时间。通过不断切换通信拓扑结构,提高了网络抵御网络攻击的整体可靠性。同时,为了保证分布式结构在这种变化的拓扑结构下仍然稳定,精心设计了一致性控制器增益,并利用Lyapunov函数对算法的收敛性进行了理论分析。此外,采用基于受限玻尔兹曼机(RBM)的无监督学习方法对DDBN进行初始化,从而保证了STLF模型训练的成功率。应用GEFCOM2017竞赛和ISO新英格兰负荷数据集验证了该方法的准确性和有效性。实验结果表明,所提出的DDBN算法比集中DBN算法的预测精度提高了19%左右。
『Sci-Hub|Scidown』怎么用?来看看教程吧!

支持模式 1.支持DOI号 2.支持英文文献全名搜索 3.支持参考文献搜索 4.知网文献(暂时关闭)


安卓手机、电脑用户,您可以在QQ浏览器里输入 www.scidown.cn 打开scidown解析,就可以解析、下载了!(注意是文献的DOI号)


苹果手机用户,您需要先在App Store里搜索并下载 Documents by Readdle 这个APP,在APP首页,左划右下角的指南针图标打开APP内置浏览器,在浏览器里输入 www.scidown.cn 打开scidown解析,就可以解析、下载了!


如出现BUG?赶快加入【Scidown互助交流群】反馈吧:729083885【点击一键加群】