一种基于新进化的深度卷积神经网络模型用于智能负载预测

电力负载预测问题已成为电力系统和电力市场追求成本最小化的重要课题。然而，这一主题具有很高的复杂性。在过去几年中，卷积神经网络（CNN）已被用于解决若干复杂的深度学习挑战，在某些领域取得了显著进展，并对最先进的性能做出了贡献。然而，CNN架构设计仍然是一个具有挑战性的问题。此外，为CNN设计最佳架构可以提高它们在预测过程中的性能。本文提出了一种有效的方法，使用深度神经进化算法来自动设计CNN结构，以解决电力负载预测问题，该算法称为增强型灰狼优化器（EGWO）。CNN的架构及其超参数通过新颖的离散EGWO算法进行优化，从而提高其负载预测的准确性。所提方法在2018年从澳大利亚能源市场运营商的数据集中获得的实时数据上进行了评估。仿真结果表明，所提方法在不同评价指标下优于其他比较的预测算法。