典型文献
基于特征选择和组合模型的短期电力负荷预测
文献摘要：
提出基于特征选择和组合模型的短期电力负荷预测方法.首先将特征向量按特点分为2类,分别使用斯皮尔曼相关系数、最大相关最小冗余算法进行选择,依据贝叶斯信息量准则确定最优特征向量维度.然后使用3个不同的核函数建立单核递归支持向量回归模型并完成预测.最后构建神经网络,进行实验分析.仿真结果表明所提方法具有较高的预测精度与鲁棒性.
文献关键词：
短期负荷预测;支持向量回归;浅层神经网络;组合模型
中图分类号：
作者姓名：
徐宇颂;邹山花;卢先领
作者机构：
江南大学 "轻工过程先进控制"教育部重点实验室,江苏 无锡 214122;江南大学 物联网工程学院,江苏无锡 214122;江苏省物联网应用技术重点建设实验室,江苏 无锡 214100
文献出处：
引用格式：
[1]徐宇颂;邹山花;卢先领-.基于特征选择和组合模型的短期电力负荷预测)[J].中国电力,2022(07):121-127
A类：
B类：
特征选择,组合模型,短期电力负荷预测,负荷预测方法,特征向量,斯皮尔曼相关系数,最大相关最小冗余,信息量准则,优特,向量维度,核函数,递归,支持向量回归模型,短期负荷预测,浅层神经网络
AB值：
0.309997
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。
