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CNN和LSTM联合预测并修正的电量缺失数据预测
被引量:
14
1
作者
郭蕴颖
丁云峰
《计算机系统应用》
2020年第8期192-198,共7页
数据是电网调度控制系统稳定运行的关键依据,而因为硬件故障等原因导致数据采集过程中的数据缺失会影响到系统数据的完整性,从而对电网调度的智能性和高效性产生相应的影响.因此,针对缺失数据的准确预测对于智能电网调度系统的建设有着...
数据是电网调度控制系统稳定运行的关键依据,而因为硬件故障等原因导致数据采集过程中的数据缺失会影响到系统数据的完整性,从而对电网调度的智能性和高效性产生相应的影响.因此,针对缺失数据的准确预测对于智能电网调度系统的建设有着重要的意义.本文针对解决电网领域电能量采集系统的缺失数据预测问题对已有的基于CNN和LSTM联合预测方法进行改进和优化,在联合预测模型基础上添加修正模型,针对不同缺失数据段利用CNN卷积神经网络和电力数据里特有的对侧数据场景建模,实验结果证明该方法将平均绝对误差值降到0.142,提高了现有预测模型的准确率,对电网调度系统的智能性和高效性提供了数据完整性、准确性的保障.
展开更多
关键词
电量缺失数据预测
CNN
LSTM
对侧
数据
下载PDF
职称材料
题名
基于CNN和LSTM联合预测并修正的电量缺失数据预测
被引量:
14
1
作者
郭蕴颖
丁云峰
机构
中国科学院大学
中国科学院沈阳计算技术研究所
出处
《计算机系统应用》
2020年第8期192-198,共7页
文摘
数据是电网调度控制系统稳定运行的关键依据,而因为硬件故障等原因导致数据采集过程中的数据缺失会影响到系统数据的完整性,从而对电网调度的智能性和高效性产生相应的影响.因此,针对缺失数据的准确预测对于智能电网调度系统的建设有着重要的意义.本文针对解决电网领域电能量采集系统的缺失数据预测问题对已有的基于CNN和LSTM联合预测方法进行改进和优化,在联合预测模型基础上添加修正模型,针对不同缺失数据段利用CNN卷积神经网络和电力数据里特有的对侧数据场景建模,实验结果证明该方法将平均绝对误差值降到0.142,提高了现有预测模型的准确率,对电网调度系统的智能性和高效性提供了数据完整性、准确性的保障.
关键词
电量缺失数据预测
CNN
LSTM
对侧
数据
Keywords
prediction of power loss data
CNN
LSTM
contralateral data
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
作者
出处
发文年
被引量
操作
1
基于CNN和LSTM联合预测并修正的电量缺失数据预测
郭蕴颖
丁云峰
《计算机系统应用》
2020
14
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