典型文献
基于双向长短时记忆的立体化超短期负荷预测
文献摘要：
传统电力系统负荷预测的基本思路是基于时间序列的历史负荷数据采用机器学习方法实现负荷预测.这种方式缺乏负荷在时间、空间两层的相互耦合关系.对此,在电力系统全景全周期运行状态可观测条件下,提出了大数据环境下基于双向长短时记忆网络的立体化负荷预测.首先提出了负荷在电网时间、空间下的耦合关联方程;其次,利用负荷节点的时间大数据序列、时空耦合关联方程作为输入条件,基于双向长短时记忆网络方法,提出了大数据挖掘的立体化负荷预测方法;最后,以实际电力系统为例进行验证,表明了所提方法的有效性.
文献关键词：
大数据;双向长短时记忆网络;立体化;负荷预测
中图分类号：
作者姓名：
赵瑞锋;刘洋;黎皓彬;王可;陈志伟
作者机构：
广东电网有限责任公司电力调度控制中心,广州 510600
文献出处：
引用格式：
[1]赵瑞锋;刘洋;黎皓彬;王可;陈志伟-.基于双向长短时记忆的立体化超短期负荷预测)[J].电力电容器与无功补偿,2022(02):90-95
A类：
B类：
超短期负荷预测,传统电力,电力系统,系统负荷,基本思路,负荷数据,机器学习方法,两层,互耦,耦合关系,全景,全周期,大数据环境下,双向长短时记忆网络,耦合关联,关联方,数据序列,时空耦合,输入条,大数据挖掘,负荷预测方法
AB值：
0.254903
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。
