典型文献
考虑变分模态分解残差量的电力负荷预测研究
文献摘要：
针对电力负荷序列的非平稳、非线性和长记忆等问题,建立了一种基于变分模态分解(VMD)、考虑变分模态分解残差量情况的长短期记忆神经网络(LSTM)电力负荷预测模型.首先,该预测模型采用VMD算法将归一化后的电力负荷数据分解为一系列本征模态(IMF)分量和残差量;然后,对每个IMF和残差量分别建立LSTM模型进行预测;最后,将各分量预测结果反归一化组合重构得到最终的电力负荷预测结果.使用平均绝对百分误差(MAPE)和均方根误差(RMSE)评价模型,结果表明该模型的预测精度优于LSTM模型和VMD-LSTM模型.
文献关键词：
电力负荷预测;变分模态分解;长短期记忆神经网络;机器学习
中图分类号：
作者姓名：
张莲;李涛;宫宇;杨洪杰;张尚德;贾浩
作者机构：
重庆市能源互联网工程技术研究中心,重庆 400054;重庆理工大学 电气与电子工程学院,重庆 400054
文献出处：
引用格式：
[1]张莲;李涛;宫宇;杨洪杰;张尚德;贾浩-.考虑变分模态分解残差量的电力负荷预测研究)[J].重庆理工大学学报,2022(01):165-170
A类：
B类：
变分模态分解,电力负荷预测,预测研究,负荷序列,非平稳,VMD,长短期记忆神经网络,负荷预测模型,负荷数据,数据分解,本征模,IMF,MAPE,RMSE
AB值：
0.172057
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
