典型文献
基于互信息和LSTM的用户负荷短期预测
文献摘要：
相对于系统级负荷,用户负荷具有基数小、波动性与随机性更强的特点,加大了用户负荷预测的难度.文章借助互信息与深度学习理论,提出了一种基于最大相关最小冗余(max-relevance and min-redundancy,mRMR)和长短期记忆网络(long-short term memory networks,LSTM)的用户负荷短期预测模型.首先,采用mRMR算法对特征变量进行排序并选取合适的输入变量集合,mRMR既可以保证输入变量与目标值间互信息值最大,又使得变量间冗余性最小.接着,对选取的输入变量集合建立LSTM预测模型,LSTM能较好处理和预测延迟较长的时间序列,且不会存在梯度消失和梯度爆炸现象.最后,通过算例验证了所提算法的有效性.
文献关键词：
用户负荷短期预测;互信息;最大相关最小冗余算法(mRMR);长短期记忆网络(LSTM)
中图分类号：
作者姓名：
钟劲松;王少林;冉懿;冉新涛;于金平;俞海猛
作者机构：
国网新疆电力有限公司电力科学研究院,乌鲁木齐市830000;国网奎屯供电公司,新疆维吾尔自治区奎屯市833200;国电南瑞南京控制系统有限公司,南京市211106
文献出处：
引用格式：
[1]钟劲松;王少林;冉懿;冉新涛;于金平;俞海猛-.基于互信息和LSTM的用户负荷短期预测)[J].电力建设,2022(07):96-102
A类：
用户负荷短期预测
B类：
互信息,系统级,基数,波动性,随机性,负荷预测,深度学习理论,最大相关最小冗余,max,relevance,redundancy,mRMR,长短期记忆网络,long,short,term,memory,networks,特征变量,目标值,信息值,冗余性,好处,预测延迟,梯度消失,爆炸现象,算例验证
AB值：
0.32019
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。
