共 19 条
- [1] 基于深度机器学习的体态与手势感知计算关键技术研究.[D].杜宇.浙江大学.2017, 08
- [2] 电力系统负荷预测.[M].康重庆; 夏清; 刘梅; 编著.中国电力出版社.2007,
- [9] 基于Hadoop架构的多重分布式BP神经网络的短期负荷预测方法[J]. 中国电机工程学报, 2017, 37 (17) : 4966 - 4973+5216苏学能刘天琪曹鸿谦焦慧明于亚光何川沈骥
基于CNN-LSTM混合神经网络模型的短期负荷预测方法
被引：366
作者：
陆继翔
[1
,2
]
张琪培
[1
]
杨志宏
[1
,2
]
涂孟夫
[1
,2
]
陆进军
[1
,2
]
彭晖
[1
,2
]
机构：
[1] 南瑞集团有限公司(国网电力科学研究院有限公司)
[2] 智能电网保护和运行控制国家重点实验室
来源：
基金：
国家重点研发计划;
关键词：
短期负荷预测;
卷积神经网络;
长短期记忆网络;
卷积神经网络—长短期记忆网络混合模型;
D O I：
暂无
中图分类号：
TM715 [电力系统规划];
学科分类号：
摘要：
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。
引用
收藏
页码：131 / 137
页数：7
相关论文