典型文献
基于变分模态分解-样本熵-延迟互信息-深度信念网络的短期负荷预测模型
文献摘要：
传统的短期负荷预测模型未考虑组合预测模型的在数据处理上的优势,为了提高短期负荷预测的精度,本文提出了 一种短期负荷预测的模型.首先,以降低电力负荷序列非平稳性的影响为目的,采用了变分模态分解方法将原始电力负荷序列分解为一系列的不同特征信息且相对较平稳的固有模态分量,分析掌握每个分量的变化规律;其次,利用样本熵理论对分解的各个分量进行复杂度分析以减少计算规模,提高预测模型的计算效率;然后考虑相关因素对负荷影响的延迟效应,采用了计及延迟效应的互信息特征选择技术重构原始输入序列;最后,结合深度信念网络预测模型,建立基于变分模态分解样本熵延迟效应互信息深度信念网络的组合预测模型,仿真结果表明该模型的有效性.
文献关键词：
负荷预测;互信息;模态分解;熵;负荷数据
中图分类号：
作者姓名：
徐轶丹;周晨梦;黄绍书;王枫;陈飞;胡洁
作者机构：
国网湖北省电力有限公司直流公司,湖北宜昌443000;贵州电网有限责任公司贵安供电局,贵州贵安550025
文献出处：
引用格式：
[1]徐轶丹;周晨梦;黄绍书;王枫;陈飞;胡洁-.基于变分模态分解-样本熵-延迟互信息-深度信念网络的短期负荷预测模型)[J].电力大数据,2022(10):10-20
A类：
B类：
变分模态分解,样本熵,互信息,深度信念网络,短期负荷预测,负荷预测模型,组合预测模型,电力负荷,负荷序列,非平稳性,分解方法,序列分解,特征信息,固有模态分量,熵理论,少计,计算效率,延迟效应,信息特征,特征选择,技术重构,负荷数据
AB值：
0.234185
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。
