- 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
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)最新上传
-
cai0603 打赏3.00元 14小时前
用户:CJQ_ENJOY
-
21ic小能手 打赏5.00元 15小时前
-
21ic小能手 打赏10.00元 16小时前
-
cai0603 打赏3.00元 16小时前
用户:dongshao
-
21ic小能手 打赏5.00元 1天前
-
21ic小能手 打赏10.00元 1天前
-
21ic下载 打赏310.00元 1天前
用户:gsy幸运
-
21ic下载 打赏310.00元 1天前
用户:zhengdai
-
21ic下载 打赏310.00元 1天前
用户:小猫做电路
-
21ic下载 打赏310.00元 1天前
用户:liqiang9090
-
21ic下载 打赏270.00元 1天前
用户:kk1957135547
-
21ic下载 打赏160.00元 1天前
用户:w178191520
-
21ic下载 打赏160.00元 1天前
用户:w1966891335
-
21ic下载 打赏50.00元 1天前
用户:w993263495
-
21ic下载 打赏40.00元 1天前
用户:w993263495
-
21ic下载 打赏90.00元 1天前
用户:cooldog123pp
-
21ic下载 打赏30.00元 1天前
用户:sun2152
-
21ic下载 打赏40.00元 1天前
用户:xzxbybd
-
21ic下载 打赏40.00元 1天前
用户:铁蛋锅
-
21ic下载 打赏30.00元 1天前
用户:happypcb
-
21ic下载 打赏50.00元 1天前
用户:forgot
-
21ic下载 打赏10.00元 1天前
用户:xuzhen1
-
21ic下载 打赏20.00元 1天前
用户:wanglu6666
-
21ic下载 打赏5.00元 1天前
用户:人间留客
-
21ic下载 打赏5.00元 1天前
用户:jyxjiyixing
-
21ic下载 打赏5.00元 1天前
用户:akae_du
-
21ic下载 打赏5.00元 1天前
用户:ouyang_56
-
21ic小能手 打赏5.00元 3天前
-
21ic小能手 打赏5.00元 3天前
-
21ic小能手 打赏5.00元 3天前
-
21ic小能手 打赏5.00元 3天前
-
21ic小能手 打赏5.00元 3天前
-
xlhtracy 打赏10.00元 3天前
-
xlhtracy 打赏10.00元 3天前
-
21ic小能手 打赏5.00元 3天前
-
21ic小能手 打赏5.00元 3天前
-
xlhtracy 打赏5.00元 3天前
-
czmhcy 打赏1.00元 3天前
资料:bitboy
-
21ic小能手 打赏5.00元 3天前
-
21ic小能手 打赏20.00元 3天前
资料:STM32控制小米电机
全部评论(0)