典型文献
基于混合神经网络的短期电力负荷预测方法
文献摘要：
电力负荷预测对电网的经济运行至关重要,为提高短期负荷预测精度并降低混合神经网络模型的训练时间,提出了一种基于多层感知器(MLP)的基础子网、简单循环单元(SRU)与主成分分析(PCA)的短期电力负荷预测模型.首先,考虑影响电力负荷变化的各种因素,建立负荷预测输入特征集;其次,利用PCA对输入网络的部分特征进行变换并降维;最后,将经过PCA处理后得到的全新数据信息作为模型的输入,并结合Adam梯度下降算法进行训练,输出负荷预测的结果.通过仿真实验结果表明,包含SRU的混合模型在全部测试集样本上的M4APE为2.126％,远低于仅有子网的单一模型与包含DNN的混合模型,而与包含LSTM的混合模型相比,训练时间却降低了 22.74％,同时PCA的应用也使得模型的收敛速度加快,极大地减小了训练轮数.
文献关键词：
短期负荷预测;主成分分析;基础子网;简单循环单元;混合模型
中图分类号：
作者姓名：
任轩;汪庆年;尚宝;姜宏伟;常乐
作者机构：
南昌大学信息工程学院 南昌 330036
文献出处：
引用格式：
[1]任轩;汪庆年;尚宝;姜宏伟;常乐-.基于混合神经网络的短期电力负荷预测方法)[J].电子测量技术,2022(14):71-77
A类：
基础子网,M4APE
B类：
混合神经网络,短期电力负荷预测,负荷预测方法,经济运行,行至,短期负荷预测,训练时间,多层感知器,MLP,简单循环单元,SRU,负荷预测模型,负荷变化,各种因素,输入特征,征集,入网,分特征,新数据,Adam,梯度下降算法,混合模型,测试集,DNN,收敛速度,轮数
AB值：
0.255642
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。
