典型文献
一种基于ARIMA-LSTM组合模型的电压偏差预测方法
文献摘要：
电网中的无功功率、三相电网不平衡等因素使得电能质量问题日趋严重,必须采取有力的监测措施去改善和控制电网中电能质量.监控模块中的预警预测算法的优化是亟须解决的重要问题.本文选取上海市某220kV变电站电能质量数据,以电压偏差数据为例,根据其时间序列特征提出一种基于ARIMA-LSTM组合模型的电压偏差预测方法.利用ARIMA模型对时间序列数据拟合,将原始序列分解为两条序列,即预测值序列和误差值序列.LSTM模型对误差值序列进行拟合优化,并与ARIMA模型所得预测值序列叠加得到最终预测结果.实验对比分析了单一模型ARIMA与组合模型ARIMA-LSTM在误差值序列优化后的精确度.实验表明,组合模型将预测的误差值进一步优化后,预测效果优于单一模型.实验证明了该方法是有效可行的,值得优先采用.
文献关键词：
差分整合移动平均自回归模型;长短期记忆神经网络;时间序列;组合模型;电压偏差
中图分类号：
作者姓名：
李孟特;于晟华;王森;曹戈;戴雨聪
作者机构：
国网上海电力公司浦东供电公司,上海200122
文献出处：
引用格式：
[1]李孟特;于晟华;王森;曹戈;戴雨聪-.一种基于ARIMA-LSTM组合模型的电压偏差预测方法)[J].电力大数据,2022(05):28-35
A类：
B类：
ARIMA,组合模型,电压偏差,无功功率,三相,电网不平衡,电能质量,日趋严重,监测措施,预警预测,预测算法,220kV,变电站,质量数据,差数,时间序列特征,时间序列数据,数据拟合,序列分解,误差值,加得,实验对比,序列优化,差分整合移动平均自回归模型,长短期记忆神经网络
AB值：
0.291791
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。
