期刊导航
期刊开放获取
河南省图书馆
退出
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
1
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式:
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于CEMD-CNN-LSTM的中长期电力负荷预测
被引量:
3
1
作者
敬尔森
关焕新
《沈阳工程学院学报(自然科学版)》
2023年第3期45-51,共7页
针对诸多复杂因素影响电力负荷在中长期运行阶段中的预测准确度的问题,提出一种卷积神经网络(CNN)与长短期记忆网络(LSTM)混合的预测算法,从而达到优化负荷预测性能的目的。CNN-LSTM混合预测算法利用模态分解法将负荷数据进行分解,并将...
针对诸多复杂因素影响电力负荷在中长期运行阶段中的预测准确度的问题,提出一种卷积神经网络(CNN)与长短期记忆网络(LSTM)混合的预测算法,从而达到优化负荷预测性能的目的。CNN-LSTM混合预测算法利用模态分解法将负荷数据进行分解,并将其转化为本征模态分量IMF及残差两个部分。同时,引入k均值聚类方法,确定最优聚类标签,搭建神经网络并完成数据输入。在形成特征向量的过程中,运用神经网络挖掘数据间的各类特征并进行预测。最后,采用线性相加的形式处理预测结果,获取预测负荷。仿真结果表明了CNN-LSTM混合预测算法在预测速度与精度上的性能更为优越。
展开更多
关键词
电力系统
CNN-LSTM算法
模态分解
中长期负荷预测
大数据
下载PDF
职称材料
题名
基于CEMD-CNN-LSTM的中长期电力负荷预测
被引量:
3
1
作者
敬尔森
关焕新
机构
沈阳工程学院电力学院
沈阳工程学院新能源学院
出处
《沈阳工程学院学报(自然科学版)》
2023年第3期45-51,共7页
基金
兴辽英才计划项目(XLYC1907138)。
文摘
针对诸多复杂因素影响电力负荷在中长期运行阶段中的预测准确度的问题,提出一种卷积神经网络(CNN)与长短期记忆网络(LSTM)混合的预测算法,从而达到优化负荷预测性能的目的。CNN-LSTM混合预测算法利用模态分解法将负荷数据进行分解,并将其转化为本征模态分量IMF及残差两个部分。同时,引入k均值聚类方法,确定最优聚类标签,搭建神经网络并完成数据输入。在形成特征向量的过程中,运用神经网络挖掘数据间的各类特征并进行预测。最后,采用线性相加的形式处理预测结果,获取预测负荷。仿真结果表明了CNN-LSTM混合预测算法在预测速度与精度上的性能更为优越。
关键词
电力系统
CNN-LSTM算法
模态分解
中长期负荷预测
大数据
Keywords
Electric power system
CNN-LSTM algorithm
Modal decomposition
Medium and long term load forecasting
Big data
分类号
TM862 [电气工程—高电压与绝缘技术]
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于CEMD-CNN-LSTM的中长期电力负荷预测
敬尔森
关焕新
《沈阳工程学院学报(自然科学版)》
2023
3
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部