典型文献
基于开发智慧云平台的日前建筑用电负荷预测方法研究
文献摘要：
作为电力系统设计规划、运行调度的重要一环,电力负荷预测受到强随机性、低精度的困扰,同时先进预测算法的落地实施关联数据管理系统,而传统数据管理系统底层数据资源传输与治理、预测信息应用十分不便.为了克服以上问题,基于云平台,在实现数据高效采集与治理的基础上,为电负荷预测提供天气预报以及历史电负荷信息;在日前负荷预测过程中,针对单一长短期记忆(LSTM)神经网络对时序数据挖掘能力不充分的情况,利用小波变换(WT)细化时序负荷高频分量,同时借助下一日温度、相对湿度预报信息,提升日前电负荷预测精度.结果表明,所提WT-LSTM方法表现了良好的预测效果,其两日均方根误差分别为185.56和179.56,比传统的LSTM网络预测精度分别提高了61.48％和12.51％.
文献关键词：
电力负荷预测;云平台;长短期记忆神经网络;小波变换
中图分类号：
作者姓名：
潘广旭;宫池玉;李兴玉;胡军;李英杰;王瑞琪
作者机构：
国网山东省电力公司日照供电公司,山东 日照 276800;国网山东综合能源服务有限公司,山东 济南 250002
文献出处：
引用格式：
[1]潘广旭;宫池玉;李兴玉;胡军;李英杰;王瑞琪-.基于开发智慧云平台的日前建筑用电负荷预测方法研究)[J].电气传动,2022(12):47-53
A类：
B类：
智慧云平台,日前,建筑用,用电负荷预测,负荷预测方法,电力系统设计,设计规划,运行调度,电力负荷预测,随机性,低精度,预测算法,落地实施,关联数据,数据管理系统,层数,数据资源,资源传输,信息应用,高效采集,天气预报,报以,前负荷,时序数据挖掘,小波变换,WT,高频分量,一日,相对湿度,湿度预报,报信,两日,日均,长短期记忆神经网络
AB值：
0.37492
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。
