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
2
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
基于改进Bagging算法与模糊MP-LSTM融合的短期负荷预测模型
被引量:
2
1
作者
蔡鑫祥
撖奥洋
+2 位作者
周生奇
菅学辉
张智晟
《电气工程学报》
CSCD
2022年第1期164-170,共7页
为提高负荷预测精度,提出一种基于改进Bagging算法与模糊最小窥视孔长短期记忆(Min peephole long short-term memory,MP-LSTM)融合的短期负荷预测模型。MP-LSTM模型相较于传统长短期记忆网络(Long short-term memory,LSTM)模型舍弃了...
为提高负荷预测精度,提出一种基于改进Bagging算法与模糊最小窥视孔长短期记忆(Min peephole long short-term memory,MP-LSTM)融合的短期负荷预测模型。MP-LSTM模型相较于传统长短期记忆网络(Long short-term memory,LSTM)模型舍弃了输入门和输出门,只保留遗忘门,模型包括一个sigmoid网络层和一个tanh网络层,减少了模型参数,优化了模型结构。通过将温度进行模糊化处理,减小温度波动对负荷的影响。采用改进Bagging算法对MP-LSTM模型集成处理来提高模型预测的精度。以某地区的实际负荷数据进行算例仿真,并与传统LSTM神经网络预测法、MP-LSTM神经网络法和模糊MP-LSTM神经网络法进行对比,仿真结果表明文中所提模型具有较好的预测精度。
展开更多
关键词
短期负荷预测
最小窥视孔长短期记忆神经网络
粒子群优化算法
电力系统
BAGGING算法
下载PDF
职称材料
基于最小窥视孔长短期记忆神经网络的电力系统短期负荷预测模型
被引量:
1
2
作者
蔡鑫祥
撖奥洋
+2 位作者
周生奇
魏振
张智晟
《广东电力》
2021年第3期92-97,共6页
长短期记忆(long short-term memory,LSTM)模型可以克服循环神经网络(recurrent neural networks,RNN)在短期负荷预测中存在的梯度消失和梯度爆炸等问题,但LSTM模型的门控单元结构复杂,参数较多,模型训练较为困难。为此,提出一种采用改...
长短期记忆(long short-term memory,LSTM)模型可以克服循环神经网络(recurrent neural networks,RNN)在短期负荷预测中存在的梯度消失和梯度爆炸等问题,但LSTM模型的门控单元结构复杂,参数较多,模型训练较为困难。为此,提出一种采用改进粒子群优化(particle swarm optimization,PSO)算法优化的最小窥视孔长短期记忆(min peephole long short-term memory,MP-LSTM)模型。与经典LSTM模型相比,MP-LSTM模型舍弃了输入门和输出门,只保留遗忘门,模型包括1个sigmoid网络层和1个tanh网络层,减少了模型参数,优化了模型结构。对RNN模型、经典LSTM模型、MP-LSTM模型进行对比仿真分析,结果表明MP-LSTM模型可有效提高负荷预测精度,缩短收敛时间。
展开更多
关键词
短期负荷预测
最小窥视孔长短期记忆神经网络
粒子群优化算法
电力系统
循环神经网络
下载PDF
职称材料
题名
基于改进Bagging算法与模糊MP-LSTM融合的短期负荷预测模型
被引量:
2
1
作者
蔡鑫祥
撖奥洋
周生奇
菅学辉
张智晟
机构
青岛大学电气工程学院
国网山东省电力公司青岛供电公司
出处
《电气工程学报》
CSCD
2022年第1期164-170,共7页
基金
国家自然科学基金资助项目(51477078)。
文摘
为提高负荷预测精度,提出一种基于改进Bagging算法与模糊最小窥视孔长短期记忆(Min peephole long short-term memory,MP-LSTM)融合的短期负荷预测模型。MP-LSTM模型相较于传统长短期记忆网络(Long short-term memory,LSTM)模型舍弃了输入门和输出门,只保留遗忘门,模型包括一个sigmoid网络层和一个tanh网络层,减少了模型参数,优化了模型结构。通过将温度进行模糊化处理,减小温度波动对负荷的影响。采用改进Bagging算法对MP-LSTM模型集成处理来提高模型预测的精度。以某地区的实际负荷数据进行算例仿真,并与传统LSTM神经网络预测法、MP-LSTM神经网络法和模糊MP-LSTM神经网络法进行对比,仿真结果表明文中所提模型具有较好的预测精度。
关键词
短期负荷预测
最小窥视孔长短期记忆神经网络
粒子群优化算法
电力系统
BAGGING算法
Keywords
Short-term load forecasting
MP-LSTM
PSO
power systems
Bagging algorithm
分类号
TM561 [电气工程—电器]
下载PDF
职称材料
题名
基于最小窥视孔长短期记忆神经网络的电力系统短期负荷预测模型
被引量:
1
2
作者
蔡鑫祥
撖奥洋
周生奇
魏振
张智晟
机构
青岛大学电气工程学院
国网山东省电力公司青岛供电公司
出处
《广东电力》
2021年第3期92-97,共6页
基金
国网山东省电力公司科技项目(2020A-022)。
文摘
长短期记忆(long short-term memory,LSTM)模型可以克服循环神经网络(recurrent neural networks,RNN)在短期负荷预测中存在的梯度消失和梯度爆炸等问题,但LSTM模型的门控单元结构复杂,参数较多,模型训练较为困难。为此,提出一种采用改进粒子群优化(particle swarm optimization,PSO)算法优化的最小窥视孔长短期记忆(min peephole long short-term memory,MP-LSTM)模型。与经典LSTM模型相比,MP-LSTM模型舍弃了输入门和输出门,只保留遗忘门,模型包括1个sigmoid网络层和1个tanh网络层,减少了模型参数,优化了模型结构。对RNN模型、经典LSTM模型、MP-LSTM模型进行对比仿真分析,结果表明MP-LSTM模型可有效提高负荷预测精度,缩短收敛时间。
关键词
短期负荷预测
最小窥视孔长短期记忆神经网络
粒子群优化算法
电力系统
循环神经网络
Keywords
short-term load forecast
min peephole long short-term memory
particle swarm optimization
power systems
recurrent neural network
分类号
TM715.1 [电气工程—电力系统及自动化]
TP183 [自动化与计算机技术—控制理论与控制工程]
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于改进Bagging算法与模糊MP-LSTM融合的短期负荷预测模型
蔡鑫祥
撖奥洋
周生奇
菅学辉
张智晟
《电气工程学报》
CSCD
2022
2
下载PDF
职称材料
2
基于最小窥视孔长短期记忆神经网络的电力系统短期负荷预测模型
蔡鑫祥
撖奥洋
周生奇
魏振
张智晟
《广东电力》
2021
1
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