推荐星级:
  • 1
  • 2
  • 3
  • 4
  • 5

基于CNN-LSTM混合神经网络模型的短期负荷预测方法

更新时间:2019-12-31 13:25:53 大小:2M 上传用户:songhuahua查看TA发布的资源 标签:混合神经网络 下载积分:1分 评价赚积分 (如何评价?) 打赏 收藏 评论(0) 举报

资料介绍

为了更好地挖掘海量数据中蕴含的有效信息,提高短期负荷预测精度,针对负荷数据时序性和非线性的特点,提出了一种基于卷积神经网络(CNN)和长短期记忆(LSTM)网络的混合模型短期负荷预测方法,将海量的历史负荷数据、气象数据、日期信息以及峰谷电价数据按时间滑动窗口构造连续特征图作为输入,先采用CNN提取特征向量,将特征向量以时序序列方式构造并作为LSTM网络输入数据,再采用LSTM网络进行短期负荷预测。使用所提方法对江苏省某地区电力负荷数据进行预测实验,实验结果表明,文中所提出的预测方法比传统负荷预测方法、随机森林模型负荷预测模型方法和标准LSTM网络负荷预测方法具有更高的预测精度。


部分文件列表

文件名 大小
基于CNN-LSTM混合神经网络模型的短期负荷预测方法.pdf 2M

部分页面预览

(完整内容请下载后查看)
019  
25  
43  
2019  
: /  
I 1500 A 20181012004  
基于  
混合负荷预测方法  
CNN M  
12  
12  
12  
涂孟夫  
12  
陆进军  
12  
培 杨志宏  
陆继翔  
( (  
网电学研究院有司  
1.  
),  
江苏市  
211106  
电网点实验室 市  
2.  
211106  
, ,  
摘要 为了更好挖掘的有提高负荷序性  
线性的特点 出了卷积神络  
( )  
忆  
CNN  
LSM  
短  
, 、 、  
负荷量的历史负荷口  
量 将特量以时序序作为  
造连续作为用  
CNN  
负荷使用江苏力  
LSM  
用  
LSM  
, , 、  
负荷行预的预模  
负荷具有的预度  
负荷准  
LSM  
关键词 负荷积神积神合  
型  
, [ ]  
灰  
12  
播  
BP  
引言  
影和随机献  
[ ]  
使念  
13  
于电能以大量储以力需求时化  
络预测 文献  
[ ]  
使来  
14  
等特系统发电应与负平  
15  
预测 还系统共  
提高负预测率有于提高发电设备利  
存在问题缺少相关性的考  
[]  
用率和调度的有效性  
是市场化改革后  
果  
通过实测  
16  
[ ]  
17  
[ ]  
18  
用于型  
译  
领域  
效的线循  
。 ,  
越来越重模不断扩  
LSM  
短期记忆  
, , ,  
设备不断程度不断电网  
兼顾性和线系  
调度系统对负频率和也不断提  
LSM  
逐渐预 测 领 域  
虽  
, 、  
和负预测量  
可以充入时中的过  
据集 使用提础  
0  
有  
线围  
系  
绕其特点 国型  
为了测精种  
, ,  
研究分为例如归  
[]  
[]  
[]  
( )  
CNN M  
络  
模  
析法  
指数法  
法  
[]  
[]  
积  
短期称  
合  
CNM  
线法  
78  
了  
点  
CNN M  
( )  
型  
A  
随  
均  
用负预测量的据  
的过预测来  
动  
, ,  
考虑缺  
用  
有效  
CNN  
于对线类  
地提取特征图连续之间连续之间的  
献  
使反  
1  
序  
造并作用  
进  
LSM  
修回日期  
2010  
收稿日期  
2012  
- -  
短期预测 使用  
比  
LSM  
期  
2016  
- -  
于  
使了  
CNN  
)。  
目  
CNM  
2017 Y 0902600  
/  
t  
wwnfm  
131  
)  
2019 48  
·
·
究  
为  
, ( 、 )  
荷为主 非日 的电荷  
供  
LSM  
大量的有效输而提高预测率  
( ) 。  
本文将期  
类型影响负预测一 使用日期  
负荷响因素  
,  
期  
t  
类型殊事响负荷  
[ ] , ,  
出 通过比较使模  
21  
等 本文使字  
考虑  
文献  
1 7  
到深节  
易  
示  
, ,  
或者其部原  
分别用  
荷  
比较在  
影响 素 考 虑 于 工 用 电 负 荷 在 的  
识  
, ,  
左右 因此本文将价因使用  
%  
, 。  
可以网  
[ ]  
21  
12  
、 ,  
分别表谷 格  
理  
态  
22  
例  
知  
提高率  
、 、  
本文将原峰  
本文的负荷  
价因为模训练的输如表 示  
影响考虑 短期  
预测影响相  
总  
Ta actors  
ꢀ ꢀ  
[ ]  
日负类型 文献 提出一  
23  
影响  
 
 
值  
()  
示  
式  
L dt  
,)  
据  
()  
() ()  
L t  
() () ()  
L t 1  
L t L t  
L t  
,)  
t  
值  
e  
: ()  
L t  
; ()  
t t  
中  
荷  
的  
期  
日  
素  
日  
日  
()  
布  
()  
趋势荷  
t  
t  
温  
温  
湿度  
速  
向  
能性  
压  
()  
带来的负 动  
t  
湿度  
假  
速  
素  
向  
; ()  
t  
随机生的负小  
等  
能性  
() , , ,  
预测影响制  
t  
压  
式  
( )  
以通过提高  
,  
t  
峰时价  
平时价  
价  
()  
t  
()  
预测提高准  
t  
素  
度  
对于负使负  
混合型  
M  
-  
, ,  
年的负的负  
。 ,  
趋势 的  
 
NN  
线使作  
年来领域门  
CNN  
, ,  
通过的负趋势 处  
应用广泛局部权  
于负稳定生  
接从通过层  
突变 本文利周  
使用来部特  
, ,  
同一的负考虑年负趋势 将一年  
[ ]  
24  
, 、  
量  
本 文 使 用  
相同同一的负一并作的  
来提取数征  
CNN  
。  
t  
趋势  
型  
络  
M  
对于短期预测的影  
LSM  
)。  
, ,  
影响湿度  
提出也进行了的  
RNN  
[ ]  
6  
、 。 、  
类型会使  
门  
改良的  
在模型  
LSM  
。 ,  
发生急剧使测多素  
“ ” ,  
训练度消以学短  
。  
t  
影响负荷  
最成的  
场  
RNN  
素  
应用 基本示  
中国用电负以工电负  
132  

全部评论(0)

暂无评论

上传资源 上传优质资源有赏金

  • 打赏
  • 30日榜单

推荐下载