收藏本站
收藏 | 投稿 | 手机打开
二维码
手机客户端打开本文

基于约束并行LSTM分位数回归的短期电力负荷概率预测方法

李丹  张远航  杨保华  王奇  
【摘要】:负荷概率预测能准确量化负荷的不确定性,为电力系统运行决策提供全面的预测信息。针对负荷的时序性特点以及现有分位数回归方法存在的分位数预测值交叉问题,提出了一种基于约束并行长短期记忆神经网络分位数回归的短期电力负荷概率预测方法。该方法结合长短期记忆神经网络与分位数回归,并行生成预测负荷的多个分位数结果,并加入考虑分位数预测值之间约束关系的组合层,以保证分位数预测值的合理性。实际算例结果表明,与常见负荷概率预测方法相比,所提方法不仅具有更高的预测效率,而且能获得更合理的分位数预测结果。

知网文化
【相似文献】
中国期刊全文数据库 前13条
1 李蓉蓉;戴永;;基于LSTM和时间序列分析法的短期风速预测[J];计算机仿真;2020年03期
2 武鹏;郭晓芸;陈鹏;王宗伟;曹璐;金鹏;;基于LSTM网络的语音服务质检推荐技术[J];计算机与现代化;2020年07期
3 薛嫣;朱静;翟怡萌;邓艾东;;基于LSTM的风机滚动轴承剩余寿命预测研究[J];工业控制计算机;2020年06期
4 陈亮;王震;王刚;;深度学习框架下LSTM网络在短期电力负荷预测中的应用[J];电力信息与通信技术;2017年05期
5 王闯;兰程皓;凌德祥;吴伟;刘书剑;卜云彤;;LSTM模型在电力系统负荷预测中的应用[J];电力大数据;2021年01期
6 杨建华;肖达强;李慧鑫;余明琼;易本顺;;基于改进的灰色关联分析与LSTM的1000kV特高压线损预测[J];电工技术;2020年19期
7 林静怀;范士雄;徐郑崎;范海威;沈晓东;刘幸蔚;秦佳奇;;基于模糊层次分析法和LSTM-注意力机制的电网运行态势感知评估模型[J];电力信息与通信技术;2020年04期
8 姜昀芃;任伟;白东亚;陈磊;翁利国;王如梦;;基于LSTM的变压器呼吸器硅胶变色程度预测模型[J];变压器;2021年03期
9 陈卓;孙龙祥;;基于深度学习LSTM网络的短期电力负荷预测方法[J];电子技术;2018年01期
10 张古尧;马爱清;;基于随机失活LSTM网络的避雷器阻性电流预测方法[J];水电能源科学;2020年10期
11 庞传军;张波;余建明;;基于LSTM循环神经网络的短期电力负荷预测[J];电力工程技术;2021年01期
12 王耀庆;孙建平;李冰;曹弘;;基于小波变换和LSTM的短期风速预测研究[J];计算机仿真;2021年02期
13 陈倩;齐林海;王红;;基于LSTM网络的谐波多标签分类[J];电力建设;2019年07期
中国重要会议论文全文数据库 前2条
1 蔺茜;陶卿曌;张清辉;;基于LSTM神经网络的电力变压器故障预测模型研究[A];2020中国系统仿真与虚拟现实技术高层论坛论文集[C];2020年
2 胡宪;冯毅萍;潘戈;;基于边缘侧自编码器压缩的分布式LSTM设备故障预测[A];第31届中国过程控制会议(CPCC 2020)摘要集[C];2020年
中国硕士学位论文全文数据库 前20条
1 张冲冲;基于LSTM深度网络和改进核极限学习机的短期电力负荷预测[D];华北电力大学;2019年
2 Khuram Hayat;基于融合LSTM的超短期风速概率预测方法研究[D];华北电力大学(北京);2019年
3 周楚杰;基于LSTM和TCN混合深度学习的风速短期预测模型[D];兰州大学;2019年
4 王若恒;基于LSTM的风电功率区间预测研究[D];华中科技大学;2018年
5 杨宇慧;基于强化学习与LSTM的短期电力负荷预测研究[D];内蒙古科技大学;2020年
6 王婷;基于LSTM深度网络的电力负荷预测[D];山西大学;2020年
7 尚佳玉;基于小波分解与LSTM网络的短期电力负荷预测研究[D];暨南大学;2020年
8 王训训;基于LSTM的中点钳位型三电平逆变器故障诊断方法研究与应用[D];中国矿业大学;2020年
9 李博涵;基于相似时和LSTM神经网络的短期光伏功率预测[D];广西大学;2020年
10 刘雨薇;基于VMD和改进LSTM的短期电力负荷预测研究[D];湖北工业大学;2020年
11 马梓程;基于贝叶斯优化的LSTM模型在动力电池SoC估算中的应用[D];江苏大学;2020年
12 张冬雪;基于LSTM和ARIMA的风速时间序列预测研究[D];兰州大学;2020年
13 张涵;基于空气质量下LSTM神经网络光伏发电功率预测研究[D];西安理工大学;2020年
14 梁家阁;基于可变输入LSTM和迁移学习的非侵入式电力负荷分解[D];湖南科技大学;2018年
15 周鲁天;基于LSTM的矿山电网行波波头辨识[D];中国矿业大学;2020年
16 王斐;基于LSTM神经网络的锂电池SOH预测研究[D];重庆邮电大学;2020年
17 乌兰高娃;基于LSTM的用电数据挖掘[D];中国石油大学(华东);2018年
18 唐德栋;基于人工智能的短期电力负荷预测方法研究[D];中国地质大学(北京);2020年
19 肖端翔;基于机器学习混合模型的用电数据异常检测研究[D];华中师范大学;2020年
20 雷秋峰;基于机器学习的智能家居功率预测系统研究及应用[D];广东工业大学;2020年
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62982499
  • 010-62783978