- 1、本文档共6页,可阅读全部内容。
- 2、有哪些信誉好的足球投注网站(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
- 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
- 5、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
- 6、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们。
- 7、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 8、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
第45卷第2期动化仪表Vol.45No.2
2024年2月PROCESSAUTOMATIONINSTRUMENTATIONFeb.2024
生BiLSTM-RF的短期负荷预测研究
基于改进
唐滨钧,邝先验,吴
丹
百赣州341000)
(江西理工大学电气工程与自动化学院,江西
摘要:电力负荷的准确预测能有效保持电网运行的稳定性,提高经济效益和社会效益。为了提高负荷预测的精准度,首先利用麻雀
有哪些信誉好的足球投注网站算法(SSA)和变分模态分解(VMD)对输人的原始负荷进行模态分解,降低了电力负荷数据随机性与非平稳性;然后利用双向长
短期记忆-随机森林(BiLSTM-RF)组合模型对分解后的子模态进行特征提取和预测。对某地区公开数据的性能验证与模型对比分析
结果表明,改进的BiLSTM-RF(+BiLSTM-RF)组合模型在决定系数(R²)、均方根误差(RMSE)、平均绝对误差(MAE)、平均绝对百分误
差(MAPE)这四个预测精度指标方面分别达到了0.973、300.31、134.91、0.037。与传统的支持向量机(SVM)、长短期记忆(LSTM)网
络、门控循环单元(GRU)等单一预测方法,以及未改进的BiLSTM-RF组合预测方法相比,+BiLSTM-RF组合模型有更好的预测表现。
关键词:短期负荷预测;麻雀有哪些信誉好的足球投注网站算法;变分模态分解;双向长短期记忆网络;随机森林;注意力机制;滑窗宽度
中图分类号:TH39文献标志码:AD0I:10.16086/ki.issn1000-0380.2022120066
Short-TermLoadForecastingStudyBasedonImprovedBiLSTM-RF
TANGBinjun,KUANGXianyan,WUDan
(CollegeofElectricalEngineeringandAutomation,JiangxiUniversityofScienceandTechnology,Ganzhou341000,China)
Abstract:Accuratepredictionofpowerloadcaneffectivelymaintainthestabilityofpowergridoperationandimproveeconomic
andsocialbenefits.Toimprovetheaccuracyofloadforecasting,theinputrawloadisfirstmodallydecomposedusingsparrow
searchalgorithm(SSA)andvariationalmodedecomposition(VMD),whichreducesthestochasticityandnon-stationarityofthe
powerloaddata;andthenthedecomposedsubmodalitiesarefeatureextractedandpredictedusingthebi-directionallongshort-
termmemory-randomforest(BiLSTM-RF)combinationmodel.Theresultsoftheperformancevalidationandmodelcomparison
analysisonthepublicdataofaregionshowthattheimprovedBiLSTM-RF(
您可能关注的文档
- 基于深度学习的超大直径盾构姿态预测研究.pdf
- 基于MsTCN-Transformer模型的轴承剩余使用寿命预测研究.pdf
- 江西德安彭山矿田遥感找矿预测研究.pdf
- PCA-GWO-SVR机器学习用于边坡爆破振动速度峰值预测研究.pdf
- 引江济汉工程渠首泥沙淤积及预测研究.pdf
- 数据驱动的污水处理高密池混凝加药预测研究.pdf
- 基于相互学习的短时交通流预测研究.pdf
- 废水处理中水质监测参数的实时预测研究.pdf
- 基于GMS数值模拟的某矿床涌水量预测研究.pdf
- 页岩弹性模量的预测方法研究.pdf
- 2022年电子产品制作工艺与实训(第5版)项目7-技能操作实训电子教案.pdf
- 2022年司钻作业井下作业模拟考试题库试卷四.pdf
- 2022年酒店营销策划方案6篇.pdf
- 2022年高中学业水平合格考及答案化学物理生物.pdf
- 2022年大学世界艾滋病日宣传活动总结优秀范文3篇.pdf
- 2022年内蒙古各地市中考数学真题试卷(学生版+解析版)共5份.pdf
- 2022年企业调研方案范文集锦6篇.pdf
- 2020-2021学年人教 版 九年级上册数学期末复习试题2(含答案解析).pdf
- (沪教版2020选修一)2022年上海高二数学同步讲义-第3章 空间向量及其应用(压轴题专练).pdf
- 2021教综笔试模拟题及答案.pdf
文档评论(0)