典型文献
基于GA-VMD-ResNet-LSTM网络的短期电力负荷预测
文献摘要：
针对负荷预测中传统经验模态分解(empirical mode decomposition,EMD)存在模态混叠和端点效应,变分模态分解(variational modal decomposition,VMD)存在参数选择困难的问题,提出一种遗传算法(genetic algorithm,GA),VMD、残差网络(residual network,ResNet)和长短时记忆网络(long short-term memory,LSTM)相结合而成的 GA-VMD-ResNet-LSTM负荷预测方法.首先,以包络嫡作为适应度函数,利用GA对VMD参数迭代寻优;其次,优化后的VMD将负荷数据分解为相对平稳的子序列并利用皮尔逊相关系数(Pearson correlation coefficient,PCC)筛选影响因素;最后,以ResNet作为特征提取单元处理各重构数据,分别通过LSTM进行时间序列预测,叠加并重构各预测结果,得到最终负荷预测值.将该方法应用于第九届电工数学建模竞赛负荷数据,有力验证了所提方法的精准性和有效性.
文献关键词：
遗传算法;变分模态分解;残差网络;长短时记忆网络;负荷预测
中图分类号：
作者姓名：
简定辉;李萍;黄宇航
作者机构：
宁夏大学物理与电子电气工程学院 银川750021
文献出处：
引用格式：
[1]简定辉;李萍;黄宇航-.基于GA-VMD-ResNet-LSTM网络的短期电力负荷预测)[J].国外电子测量技术,2022(10):15-22
A类：
B类：
GA,VMD,ResNet,短期电力负荷预测,传统经验,经验模态分解,empirical,mode,decomposition,EMD,模态混叠,端点效应,变分模态分解,variational,modal,参数选择,genetic,algorithm,残差网络,residual,network,长短时记忆网络,long,short,term,memory,负荷预测方法,包络,适应度函数,参数迭代,迭代寻优,负荷数据,数据分解,子序列,皮尔逊相关系数,correlation,coefficient,PCC,时间序列预测,第九届,数学建模竞赛,精准性
AB值：
0.375263
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。
