摘要:各级电力公司积累了大量的历史发电数据,但是一直以来都没有得到有效利用.针对采用手工方式进行电力调度存在效率较低的问题,提出了一种基于长短时记忆网络(LSTM)和蚁群算法的智能调度算法.基于LSTM 深度学习算法,通过对电力公司历史数据进行建模,LSTM 算法可以有效提取出有效特征,实现预测一定条件下机组的耗煤量.同时,利用蚁群算法(ACO)设计了一种智能电力调度算法,从而在满足在完成实时发电任务的情况下,尽可能地节能减排.试验表明,采用LSTM 算法,相比较线性回归、随机森林等算法,预测耗煤量的均方误差更小;采用ACO 算法,相比较等微增率法、动态规划法以及遗传算法,可以更加快速、有效地分配发电负荷.
关键词:智能电网 节能调度 机器学习 深度学习 长短时记忆网络
单位:安徽电力调度控制中心; 安徽合肥230022; 中国科学技术大学计算机科学与技术学院; 安徽合肥230027
注:因版权方要求,不能公开全文,如需全文,请咨询杂志社
相关期刊
International Journal of Minerals Metallurgy and Materials Journal of Thermal Science International Journal of Oral Science Rare Metals World Journal of Gastroenterology Journal of Materials Science Technology Science Bulletin Chinese Journal of Polymer Science International Journal of Oral Science Science China Technological Sciences