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CNN-LSTM神经网络的电网调度火电厂短期存煤预测
被引量:
14
1
作者
彭道刚
朱琪
+1 位作者
车权
赵慧荣
《电力自动化设备》
EI
CSCD
北大核心
2021年第6期127-132,141,共7页
采用传统的回归拟合进行发电厂存煤量单变量单步预测已无法满足电网优化调度的需求,针对该问题,提出卷积神经网络(CNN)与长短期记忆(LSTM)神经网络相结合的CNN-LSTM神经网络预测模型,利用CNN良好的特征提取能力以及LSTM神经网络特殊的...
采用传统的回归拟合进行发电厂存煤量单变量单步预测已无法满足电网优化调度的需求,针对该问题,提出卷积神经网络(CNN)与长短期记忆(LSTM)神经网络相结合的CNN-LSTM神经网络预测模型,利用CNN良好的特征提取能力以及LSTM神经网络特殊的记忆预测功能实现对未来电厂存煤量的精准预测。为了使预测结果更符合实际存煤量,在已有预测结果的基础上进行进一步优化。实例验证结果表明,相较于传统差分自回归移动平均(ARIMA)模型和单一LSTM神经网络模型,所提模型取得的效果更好,且经过优化后的预测精度得到了进一步提高。
展开更多
关键词
短期预测
电厂存煤
深度学习
模型优化
电网调度
下载PDF
职称材料
基于奇异谱分析与长短时记忆神经网络的电厂存煤量短期预测
被引量:
9
2
作者
孔雯
车权
+1 位作者
赵慧荣
彭道刚
《信息与控制》
CSCD
北大核心
2020年第6期742-751,共10页
针对火力发电厂存煤量预测精度不高的问题,提出了一种基于奇异谱分析(SSA)和长短时记忆(LSTM)神经网络的多变量多步预测模型.考虑电厂历史数据和温度的影响,以奇异谱分析或小波分析(wavelet analysis)对数据做平滑处理,剔除数据中的噪...
针对火力发电厂存煤量预测精度不高的问题,提出了一种基于奇异谱分析(SSA)和长短时记忆(LSTM)神经网络的多变量多步预测模型.考虑电厂历史数据和温度的影响,以奇异谱分析或小波分析(wavelet analysis)对数据做平滑处理,剔除数据中的噪声成分,作为LSTM神经网络的输入向量进行仿真测试.结果表明,相比于普通BP(back propagation)神经网络、循环神经网络(RNN)和小波分析与LSTM结合算法,本文采用的基于奇异谱分析和长短时记忆神经网络的多变量多步预测模型精度更高.
展开更多
关键词
火
电厂存煤
量
短期预测
奇异谱分析
多变量多步预测
长短时记忆神经网络
原文传递
题名
基于CNN-LSTM神经网络的电网调度火电厂短期存煤预测
被引量:
14
1
作者
彭道刚
朱琪
车权
赵慧荣
机构
上海电力大学自动化工程学院
上海发电过程智能管控工程技术研究中心
国网重庆市电力公司
出处
《电力自动化设备》
EI
CSCD
北大核心
2021年第6期127-132,141,共7页
基金
国家自然科学基金资助项目(52006131)
上海市“科技创新行动计划”高新技术领域项目(19511101600)
+1 种基金
上海市青年科技英才扬帆计划资助项目(20YF1414900)
国网重庆市电力公司科技项目(2019渝电科技15#)。
文摘
采用传统的回归拟合进行发电厂存煤量单变量单步预测已无法满足电网优化调度的需求,针对该问题,提出卷积神经网络(CNN)与长短期记忆(LSTM)神经网络相结合的CNN-LSTM神经网络预测模型,利用CNN良好的特征提取能力以及LSTM神经网络特殊的记忆预测功能实现对未来电厂存煤量的精准预测。为了使预测结果更符合实际存煤量,在已有预测结果的基础上进行进一步优化。实例验证结果表明,相较于传统差分自回归移动平均(ARIMA)模型和单一LSTM神经网络模型,所提模型取得的效果更好,且经过优化后的预测精度得到了进一步提高。
关键词
短期预测
电厂存煤
深度学习
模型优化
电网调度
Keywords
short-term forecasting
coal storage of power plant
deep learning
model optimization
power grid dispatching
分类号
TM73 [电气工程—电力系统及自动化]
下载PDF
职称材料
题名
基于奇异谱分析与长短时记忆神经网络的电厂存煤量短期预测
被引量:
9
2
作者
孔雯
车权
赵慧荣
彭道刚
机构
上海电力大学自动化工程学院
国网重庆市电力公司
出处
《信息与控制》
CSCD
北大核心
2020年第6期742-751,共10页
基金
上海市“科技创新行动计划”高新技术领域资助项目(19511101600)
上海市科学技术委员会工程技术研究中心资助项目(14DZ2251100)
国网重庆市电力公司科技资助项目(2019渝电科技15#)。
文摘
针对火力发电厂存煤量预测精度不高的问题,提出了一种基于奇异谱分析(SSA)和长短时记忆(LSTM)神经网络的多变量多步预测模型.考虑电厂历史数据和温度的影响,以奇异谱分析或小波分析(wavelet analysis)对数据做平滑处理,剔除数据中的噪声成分,作为LSTM神经网络的输入向量进行仿真测试.结果表明,相比于普通BP(back propagation)神经网络、循环神经网络(RNN)和小波分析与LSTM结合算法,本文采用的基于奇异谱分析和长短时记忆神经网络的多变量多步预测模型精度更高.
关键词
火
电厂存煤
量
短期预测
奇异谱分析
多变量多步预测
长短时记忆神经网络
Keywords
coal storage in thermal power plant
short-term prediction
singular spectrum analysis
multi-variable and multi-step prediction
long short-term memory neural network
分类号
TM761 [电气工程—电力系统及自动化]
原文传递
题名
作者
出处
发文年
被引量
操作
1
基于CNN-LSTM神经网络的电网调度火电厂短期存煤预测
彭道刚
朱琪
车权
赵慧荣
《电力自动化设备》
EI
CSCD
北大核心
2021
14
下载PDF
职称材料
2
基于奇异谱分析与长短时记忆神经网络的电厂存煤量短期预测
孔雯
车权
赵慧荣
彭道刚
《信息与控制》
CSCD
北大核心
2020
9
原文传递
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