典型文献
基于单步预测LSTM的短期负荷预测模型
文献摘要：
针对目前智能电网下负荷数据存在特征相关性低与序列非平稳性的特点,为达到提高短期负荷预测精度的目的,提出一种单步负荷预测的双层LSTM模型的方法,除了考虑的地理区域的天气数据外,还使用负荷的时间序列.首先采用最大信息系数(MIC)对多源异构特征进行提取,随后使用随机森林和递归特征消除(RFE)用于特征选择,将对异常值敏感、鲁棒性好的Robust标准化方法应用于所选特征的预处理中,最后由单步预测的双层LSTM模型预测结果.文章所搭建的负荷预测模型具有数据强相关性特征、预测精度高的优点.依据数据实验结果,取得了 1.38％的MAPE值.并且与其它预测模型相比,基于单步预测LSTM的短期负荷预测方法的预测精度提高效果明显.
文献关键词：
最大信息系数;随机森林;标准化;单步预测模型;短期负荷预测
中图分类号：
作者姓名：
李鑫;李海明;马健
作者机构：
上海电力大学计算机科学与技术学院,上海200000
文献出处：
引用格式：
[1]李鑫;李海明;马健-.基于单步预测LSTM的短期负荷预测模型)[J].计算机仿真,2022(06):98-102,117
A类：
单步预测模型
B类：
短期负荷预测,负荷预测模型,智能电网,网下,负荷数据,存在特征,非平稳性,地理区域,气数,最大信息系数,MIC,多源异构,异构特征,递归特征消除,RFE,特征选择,异常值,Robust,标准化方法,强相关性,MAPE,负荷预测方法,提高效果
AB值：
0.311496
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。
