典型文献
基于经验模态条件生成对抗网络的短期负荷预测
文献摘要：
针对双碳目标下传统负荷预测模型难以捕捉数据内部时序特征导致负荷预测精度不高的问题,提出一种基于经验模态条件生成对抗网络(CGAN)的短期负荷预测模型.该模型在保留CGAN结构的基础上,首先使用经验模态分解(EMD)将历史负荷数据分解为多个经验模态分量,并采用多个长短期记忆(LSTM)神经网络作为生成器、卷积神经网络(CNN)作为判别器.然后,以分解后的经验模态分量为输入、负荷影响因素为条件对模型进行训练,使生成器能够输出精确的预测负荷数据.最后,以某地区配电网实际负荷数据对模型进行验证.试验结果表明,相比于其他基于深度学习的负荷预测模型,所提模型具有更小的预测误差.未来可将该方法应用于配电网调度中,以提高调度的安全性和经济性.
文献关键词：
条件生成对抗网络;经验模态分解;长短期记忆神经网络;卷积神经网络;短期负荷预测;预测误差;生成器;判别器
中图分类号：
作者姓名：
黄海荣;吴君;郁丹;苏本庆
作者机构：
浙江华云电力工程设计咨询有限公司,浙江 杭州 310000;上海电力大学电气工程学院,上海 200090
文献出处：
引用格式：
[1]黄海荣;吴君;郁丹;苏本庆-.基于经验模态条件生成对抗网络的短期负荷预测)[J].自动化仪表,2022(12):25-29,37
A类：
B类：
基于经验,条件生成对抗网络,短期负荷预测,双碳目标,下传,负荷预测模型,时序特征,CGAN,使用经验,经验模态分解,EMD,负荷数据,数据分解,模态分量,生成器,判别器,预测负荷,某地区,预测误差,配电网调度,高调,长短期记忆神经网络
AB值：
0.197528
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。
