典型文献
基于XGBoost和QRLSTM的超短期负荷预测方法
文献摘要：
针对目前超短期电力负荷预测存在特征挖掘不足和难以准确反映电力负荷不确定性信息的问题,提出基于XGBoost和QRLSTM的超短期负荷预测方法.首先采用XGBoost算法挖掘重要特征并生成点负荷预测结果,将二者结合作为概率预测方法的输入特征;其次使用LSTM与弹球损失构造QRLSTM概率预测方法;最后通过核密度估计方法获取电力负荷的概率密度曲线.采用新西兰公共电力负荷数据集进行仿真,结果表明提出的方法不仅可挖掘重要特征,而且更加准确反映电力负荷的不确定性信息.
文献关键词：
超短期电力负荷预测;特征挖掘;长短期记忆网络;核密度估计
中图分类号：
作者姓名：
张照贝;顾春华;温蜜
作者机构：
上海电力大学计算机科学与技术学院,上海200090;上海理工大学,上海200093
文献出处：
引用格式：
[1]张照贝;顾春华;温蜜-.基于XGBoost和QRLSTM的超短期负荷预测方法)[J].计算机仿真,2022(01):90-95,110
A类：
QRLSTM
B类：
XGBoost,超短期负荷预测,负荷预测方法,超短期电力负荷预测,存在特征,特征挖掘,负荷不确定性,生成点,概率预测,输入特征,弹球,核密度估计,估计方法,概率密度,度曲,新西兰,负荷数据,长短期记忆网络
AB值：
0.208966
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。
