-
题名基于状态频率记忆网络的家庭短期电力负荷预测
- 1
-
-
作者
卜祥国
赖波
周后盘
-
机构
杭州电子科技大学自动化学院
-
出处
《现代电力》
北大核心
2023年第1期67-72,共6页
-
文摘
家庭的短期电力负荷预测在智能电网中发挥着越来越重要的作用,为了进一步提高预测的精度,提出了一种基于状态频率记忆网络的家庭短期电力负荷预测模型。首先采用K均值聚类方法,将具有相同用电模式的家庭归为一类;随后采用小波降噪技术对负荷数据进行降噪处理;最后构建状态频率记忆网络模型进行批量的家庭负荷预测。该模型通过引入离散傅里叶变换将记忆状态分解为多个频率分量,并通过这些频率成分的组合来预测未来的用电量。使用均方误差、均方根误差和平均绝对误差来评估模型,与该领域上性能表现最好的长短期记忆模型相比较,文中的模型在未来一天的负荷预测中,3类误差分别降低了21.6%、11.4%、15.4%,充分验证了模型的有效性。
-
关键词
电力负荷预测
状态频率记忆网络
小波降噪
K均值
离散傅里叶变化
-
Keywords
power load forecasting
state frequency memory network
wavelet denoising
K-means
discrete Fourier transform
-
分类号
TM73
[电气工程—电力系统及自动化]
-
-
题名基于状态频率记忆神经网络的短时交通流预测
被引量:2
- 2
-
-
作者
余敬柳
陈鹏
谢静敏
-
机构
武汉理工大学交通学院
广东华路交通科技有限公司
-
出处
《武汉理工大学学报(交通科学与工程版)》
2020年第4期733-737,共5页
-
基金
国家自然科学基金项目资助(51208400)。
-
文摘
短时交通流预测在智能交通系统中起到重要的作用.针对交通流时间序列,提出了一种基于状态频率记忆神经网络的短时交通流预测模型.该模型将交通流信息分解为状态和频率两个维度作为记忆单元进行建模,根据预测时间间隔的时长将历史交通流数据汇总,采用小波分析对历史交通流数据去噪并进行归一化处理,将其分为训练集、验证集以及测试集,最终构建短时交通流预测模型.本文以合肥市某交叉口为例,运用状态频率记忆神经网络预测该交叉口的短时交通流,并与其他预测方法的预测结果进行比较.结果表明:状态频率记忆神经网络预测短时交通流的精度更高,验证了预测模型的有效性.
-
关键词
智能交通
短时交通流
状态频率记忆神经网络
预测
-
Keywords
intelligent trasportation
short-term traffic flow
state frequency memory neural network
predictive
-
分类号
U491.1
[交通运输工程—交通运输规划与管理]
-