典型文献
基于特征选择实现多因素电力负荷预测
文献摘要：
负荷预测在保障电网安全运行和提高经济效益方面均占有举足轻重的地位.高精度的负荷预测不仅需要依靠历史负荷数据,并且气象、电价等诸多因素也会对其产生不同程度的影响.为了综合考虑诸多因素造成的影响.首先,以遴选关键因素作为切入点,利用新英格兰地区实测数据集,使用递归特征消除(RFE)有效去除冗余的影响因素,得到与真实负荷相关性高的影响因素,从而构造新的输入负荷数据.然后,利用注意力机制(Attention)动态调整各因素所占权重的特点,提出引入Attention的长短期记忆(LSTM)网络预测模型实现电力负荷预测.试验结果显示,与经典的K近邻方法(KNN)、LSTM、支持向量回归(SVR)等单一算法以及RFE-LSTM等组合算法相比,所提出的RFE-LSTM-Attention方法可以有效地提取关键负荷因素并获得良好的预测性能.
文献关键词：
负荷预测;高精度;多因素;特征选择;递归特征消除;注意力机制;长短期记忆网络;对比算法
中图分类号：
作者姓名：
胡欣;冯杰;徐先峰;王世鑫
作者机构：
长安大学电子与控制工程学院,陕西 西安 710064
文献出处：
引用格式：
[1]胡欣;冯杰;徐先峰;王世鑫-.基于特征选择实现多因素电力负荷预测)[J].自动化仪表,2022(03):69-74
A类：
B类：
特征选择,电力负荷预测,电网安全,负荷数据,电价,选关,新英格兰,递归特征消除,RFE,注意力机制,Attention,模型实现,近邻,KNN,支持向量回归,SVR,一算,组合算法,关键负荷,预测性能,长短期记忆网络,对比算法
AB值：
0.290107
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。
