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
基于双向LSTM的用户用电行为识别
被引量:
11
1
作者
谢禄江
段立
+5 位作者
谭刚
蒋荣
钟淘淘
刘美川
雷洋
廖军
《微电子学与计算机》
2021年第5期36-41,共6页
为了解决由非技术性损失所造成的用户用电异常问题,本文提出了一种基于双向长短时记忆神经网络(Bi-LSTM)的用户异常用电行为检测方法.该方法首先采用插值法处理用电缺失数据,并通过分位数归一化平滑用电异常行为值的不对称分布性.然后,...
为了解决由非技术性损失所造成的用户用电异常问题,本文提出了一种基于双向长短时记忆神经网络(Bi-LSTM)的用户异常用电行为检测方法.该方法首先采用插值法处理用电缺失数据,并通过分位数归一化平滑用电异常行为值的不对称分布性.然后,结合LSTM神经网络单元和双向网络构建Bi-LSTM模型,用于获取用户异常用电行为中的隐含关系.最后,采用交叉熵确定最优参数,从而识别出异常用电用户行为.实验表明,该方法的识别性能显著优于其他模型,并且结合国家电网的实际数据验证了该方法的准确性和稳定性.
展开更多
关键词
非技术损失
异常用电行为
Bi-LSTM
分位数归一化
下载PDF
职称材料
基于正交小波和长短期记忆神经网络的用电负荷预测方法
被引量:
11
2
作者
张林
赖向平
+1 位作者
仲书勇
李柯沂
《现代电力》
北大核心
2022年第1期72-79,共8页
用电负荷数据的波动性和周期性会影响电力负荷预测的准确性,针对此问题,文中提出了一种基于正交小波长短期记忆神经网络(orthogonal wavelet transform-long short-term memory,OWT-LSTM)的用电负荷预测方法。该方法对用电负荷序列进行...
用电负荷数据的波动性和周期性会影响电力负荷预测的准确性,针对此问题,文中提出了一种基于正交小波长短期记忆神经网络(orthogonal wavelet transform-long short-term memory,OWT-LSTM)的用电负荷预测方法。该方法对用电负荷序列进行正交小波分解,消除负荷数据的波动性,然后利用LSTM及其变种神经网络对正交小波分解后的各尺度负荷序列进行建模训练,通过各序列预测结果进行预测重构,获得最终的负荷预测结果。通过用户用电负荷数据集验证表明,该方法的预测性能优于其他模型,具有较高的预测精确性和稳定性。
展开更多
关键词
电力负荷
正交小波变换
长短期记忆网络
预测重构
预测精确度
下载PDF
职称材料
题名
基于双向LSTM的用户用电行为识别
被引量:
11
1
作者
谢禄江
段立
谭刚
蒋荣
钟淘淘
刘美川
雷洋
廖军
机构
国网
重庆
市电力
公司
信息
通信
分公司
重庆智网科技有限公司信息通信分公司
重庆
大学大数据与软件学院
出处
《微电子学与计算机》
2021年第5期36-41,共6页
基金
国家重点研发计划(2017YFB1401702)
重庆市人工智能技术创新重大主题专项课题(cstc2017rgzn-zdyf0051)
国家自然科学基金面上项目(61977012)。
文摘
为了解决由非技术性损失所造成的用户用电异常问题,本文提出了一种基于双向长短时记忆神经网络(Bi-LSTM)的用户异常用电行为检测方法.该方法首先采用插值法处理用电缺失数据,并通过分位数归一化平滑用电异常行为值的不对称分布性.然后,结合LSTM神经网络单元和双向网络构建Bi-LSTM模型,用于获取用户异常用电行为中的隐含关系.最后,采用交叉熵确定最优参数,从而识别出异常用电用户行为.实验表明,该方法的识别性能显著优于其他模型,并且结合国家电网的实际数据验证了该方法的准确性和稳定性.
关键词
非技术损失
异常用电行为
Bi-LSTM
分位数归一化
Keywords
non-technical loss
abnormal power consumption behavior
bidirectional long and short-term memory network
quantile normalization
分类号
TP181 [自动化与计算机技术—控制理论与控制工程]
TM933.4 [电气工程—电力电子与电力传动]
下载PDF
职称材料
题名
基于正交小波和长短期记忆神经网络的用电负荷预测方法
被引量:
11
2
作者
张林
赖向平
仲书勇
李柯沂
机构
国网
重庆
市电力
公司
重庆智网科技有限公司信息通信分公司
国网
重庆
市电力
公司
信息
通信
分公司
出处
《现代电力》
北大核心
2022年第1期72-79,共8页
基金
国家重点研发计划(2017YFB1401702)
重庆市人工智能技术创新重大主题专项课题(cstc2017rgznzdyf0051)。
文摘
用电负荷数据的波动性和周期性会影响电力负荷预测的准确性,针对此问题,文中提出了一种基于正交小波长短期记忆神经网络(orthogonal wavelet transform-long short-term memory,OWT-LSTM)的用电负荷预测方法。该方法对用电负荷序列进行正交小波分解,消除负荷数据的波动性,然后利用LSTM及其变种神经网络对正交小波分解后的各尺度负荷序列进行建模训练,通过各序列预测结果进行预测重构,获得最终的负荷预测结果。通过用户用电负荷数据集验证表明,该方法的预测性能优于其他模型,具有较高的预测精确性和稳定性。
关键词
电力负荷
正交小波变换
长短期记忆网络
预测重构
预测精确度
Keywords
power load
orthogonal wavelet transform
long and short-term memory network
prediction reconstruction
forecasting performance
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
基于双向LSTM的用户用电行为识别
谢禄江
段立
谭刚
蒋荣
钟淘淘
刘美川
雷洋
廖军
《微电子学与计算机》
2021
11
下载PDF
职称材料
2
基于正交小波和长短期记忆神经网络的用电负荷预测方法
张林
赖向平
仲书勇
李柯沂
《现代电力》
北大核心
2022
11
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