一种基于改进的深度信念网络的电力价格预测方法

摘要

本发明公开了一种基于改进的深度信念网络的电力价格预测方法，步骤为：根据电价数据特点以及电价的影响因素，划分数据集并确定网络数据输入，对采用数据集进行数据预处理；针对预处理后的数据集，利用二阶重构误差计算网络误差，确定模型RBM的层数；利用结合三分法和二分法的“三+二”查找算法优化网络中的神经元节点个数；分别利用BP神经网络和SVR支持向量回归机作为DBN网络的回归层，结合RBM的层数和优化后的神经元节点个数，构造结构优化的DBN‑BP模型和DBN‑SVR模型，对实时电价数据进行预测。本发明建立结构优化的DBN模型，并对网络的回归层进行不同的结合改进，提高了DBN的预测精度，具有很好的应用前景。