摘要：随着电力系统的飞速发展,电力负荷数据的规模也愈加庞大,以往基于小规模数据的电力负荷预测算法可能无法容纳大量数据集。为改善预测模型的工程实用性,本文提出了一种新型的机器学习模型,该模型将卷积神经网络(CNN)与纵横交叉优化算法(CSO)结合起来,应用于短期负荷预测。从大规模的负荷数据中收集到横向相邻日和纵向的相似日负荷数据,设置横向预测和纵向预测的权值系数,再用CSO优化算法去找最优系数,得到最后的二维组合预测结果,并与其它机器学习算法比较。通过实验证明,模型可以快速有效地处理大规模的负荷数据,具有较强的泛化能力。

注：因版权方要求，不能公开全文，如需全文，请咨询杂志社