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EMD-CNN-LSTM混合模型的短期电力负荷预测

徐岩  向益锋  马天祥  
【摘要】:为了更有效地提取电力负荷数据中的潜藏特征与隐藏信息,提高电力负荷预测精度,针对负荷具有较强非线性、非平稳性和时序性特点,提出一种基于经验模态分解(empirical mode decomposition, EMD)、卷积神经网络(convolutional neural network, CNN)和长短期记忆网络(long-term and short-term memory network, LSTM)的混合模型短期电力负荷预测方法,将海量过往负荷数据、温度和历史电价信息以滑动窗口方式构造串联特征向量作为输入,先利用EMD将数据重构成多个分量,将高、中和低频分量各自叠加组合,再运用CNN提取高、中分量的潜藏特征,减少权值数量,并以特征向量的方式输入LSTM网络进行负荷预测,最后叠加各分量预测结果得到最终负荷预测值。实验结果表明,相对于BP神经网络(Back Propagation Neural Network)、支持向量机(support vector machine, SVM)、LSTM模型和EMD-LSTM模型,此模型具有更高的负荷预测精度。

知网文化
【相似文献】
中国期刊全文数据库 前7条
1 林越;刘廷章;唐侃;;基于自适应模糊聚类与核主元分析混合模型的变压器异常检测[J];科技通报;2020年09期
2 刘闯;李素芬;陈贵军;;锅炉烟气含氧量预测混合模型及应用[J];能源与环境;2008年02期
3 谷丽景;李永华;李路;;电站锅炉燃烧优化混合模型预测[J];中国电机工程学报;2015年09期
4 胡国胜;任震;;基于支持向量机混合模型的短期负荷预测方法[J];高电压技术;2006年04期
5 郑若楠;;基于小波分解的超短期风速混合模型组合预测[J];分布式能源;2018年06期
6 陈建稳;袁广林;刘涛;王鑫;;数值模型对输电铁塔内力和变形的影响分析[J];山东科技大学学报(自然科学版);2009年01期
7 辛鹏;赵阳;王忠义;徐兴峰;;基于经验模态分解的短期负荷预测[J];东北电力大学学报(自然科学版);2008年04期
中国重要会议论文全文数据库 前2条
1 邓文锋;项自励;黄科科;;基于SARIMA和OCSVM混合模型的智能电网负荷重分配攻击检测[A];第32届中国过程控制会议(CPCC2021)论文集[C];2021年
2 辛鹏;辛雷;蔡国伟;李晓琦;;一种基于经验模态分解与支持向量机的电力系统短期负荷预测新方法[A];第十一届全国电工数学学术年会论文集[C];2007年
中国硕士学位论文全文数据库 前7条
1 张丹峰;基于LightGBM,XGBoost,ERT混合模型的风机叶片结冰预测研究[D];上海师范大学;2018年
2 梁彬彬;基于改进经验模态分解的短期电力负荷预测混合模型研究[D];广西大学;2021年
3 马苗苗;基于多步混合模型的短期风速预测[D];兰州大学;2021年
4 袁威;基于混合模型的短期光伏功率预测方法及预测系统的研究[D];兰州大学;2021年
5 郑晓飞;基于“分解-重组-优化”混合模型的风能预测研究[D];中南财经政法大学;2020年
6 郑佳;基于混合模型的商超冷柜负荷预测研究[D];天津商业大学;2021年
7 王耀庆;基于深度学习和小波分解的短期风速预测研究[D];华北电力大学;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