基于KPCA-CNN-DBiGRU模型的短期负荷预测方法
A short-term load forecasting method based on KPCA-CNN-DBiGRU model作者机构:中南大学商学院湖南长沙410083 湖南工商大学前沿交叉学院湖南长沙410205
出 版 物:《管理工程学报》 (Journal of Industrial Engineering and Engineering Management)
年 卷 期:2024年第38卷第2期
页 面:221-231页
核心收录:
学科分类:12[管理学] 120202[管理学-企业管理(含:财务管理、市场营销、人力资源管理)] 0202[经济学-应用经济学] 02[经济学] 1202[管理学-工商管理] 1201[管理学-管理科学与工程(可授管理学、工学学位)] 080802[工学-电力系统及其自动化] 0808[工学-电气工程] 08[工学]
基 金:国家自然科学基金重大研究计划项目(91846301)
主 题:核主成分分析 卷积神经网络 双向门控循环单元 负荷预测
摘 要:本文针对已有神经网络模型在短期负荷预测中输入维度过高、预测误差较大等问题,提出了一种结合核主成分分析、卷积神经网络和深度双向门控循环单元的短期负荷预测方法。先运用核主成分分析法对原始高维输入变量进行降维,再通过卷积深度双向门控循环单元网络模型进行负荷预测。以第九届全国电工数学建模竞赛试题A题中的负荷数据作为实际算例,结果表明所提方法较降维之前预测误差大大降低,与已有预测方法相比也有大幅的误差降低。