检索结果-南通市图书馆

科技管理研究 2023年第1期43卷 163-170页

作者：韩雅萱石梦舒黄元生刘敦楠段文军华北电力大学经济与管理学院北京102206 华北电力大学(保定)经济与管理系河北保定071003 北京信息科技大学经济管理学院北京100192

针对电力系统对短期电力负荷预测精确性的需求,以长短期记忆算法为基础,采用差分自适应进化算法对其进一步改进,从而提出一种基于机器学习的混合算法(sade-lstm)对电力负荷进行短期预测。基于我国2004—2018年间月度社会用电负荷数据,... 详细信息

针对电力系统对短期电力负荷预测精确性的需求,以长短期记忆算法为基础,采用差分自适应进化算法对其进一步改进,从而提出一种基于机器学习的混合算法(sade-lstm)对电力负荷进行短期预测。基于我国2004—2018年间月度社会用电负荷数据,对改进后的混合算法进行性能测试,首先利用差分进化算法的自适应变异和交叉因子来优化长短期记忆算法的初始参数,在此基础上,运用寻优得到的参数训练长短期记忆算法从而得到优化后的预测结果。为证明其优越性,对同组数据采用支持向量机(SVM)、反向传播神经网络、自回归积分滑动平均等算法分别预测。各方法预测结果和真实结果对比分析证明,sade-lstm算法对时间序列数据量要求较低,同时相比其他传统算法有更高的预测精度。该改进算法能够为参与电力系统调度的虚拟电厂、负荷聚合商等对小样本和高精度预测有需求的主体提供参考。

关键词： sade-lstm算法时间序列分析电力负荷预测长短期记忆循环神经网络差分进化算法

来源：

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

基于机器学习的短期电力负荷预测方法比较及改进研究

引用

管理科学 2023年第7期

作者：韩雅萱石梦舒黄元生刘敦楠段文军

针对电力系统对短期电力负荷预测精确性的需求，以长短期记忆算法为基础，采用差分自适应进化算法对其进一步改进，从而提出一种基于机器学习的混合算法（sade-lstm）对电力负荷进行短期预测。基于我国2004-2018年间月度社会用电负荷数... 详细信息

针对电力系统对短期电力负荷预测精确性的需求，以长短期记忆算法为基础，采用差分自适应进化算法对其进一步改进，从而提出一种基于机器学习的混合算法（sade-lstm）对电力负荷进行短期预测。基于我国2004-2018年间月度社会用电负荷数据，对改进后的混合算法进行性能测试，首先利用差分进化算法的自适应变异和交叉因子来优化长短期记忆算法的初始参数，在此基础上，运用寻优得到的参数训练长短期记忆算法从而得到优化后的预测结果。为证明其优越性，对同组数据采用支持向量机（SVM）、反向传播神经网络、自回归积分滑动平均等算法分别预测。各方法预测结果和真实结果对比分析证明，sade-lstm算法对时间序列数据量要求较低，同时相比其他传统算法有更高的预测精度。该改进算法能够为参与电力系统调度的虚拟电厂、负荷聚合商等对小样本和高精度预测有需求的主体提供参考。

关键词： sade-lstm算法时间序列分析电力负荷预测长短期记忆循环神经网络差分进化算法 sade-lstm time series analysis power load forecasting long short-term memory differential evolution

来源：人大复印报刊资料评论

在线全文

人大复印报刊资料

学校读者我要写书评

暂无评论

欢迎您,

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

请选择保存的检索档案：

请选择收藏分类：

通借通还

欢迎您,

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：