典型文献
基于随机森林和双向长短期记忆网络的超短期负荷预测研究
文献摘要：
为了充分挖掘电力负荷与多维特征因素的非线性关系,提高负荷预测精度,提出了一种基于随机森林和双向长短期记忆(bidi-rectional long-short-term memory,Bi-LSTM)网络的超短期负荷预测方法.首先,采用基于随机森林的特征选择算法,筛选与负荷关联性强的特征作为预测模型的输入;其次,构建Bi-LSTM网络,对特征选择后的负荷数据进行预测;最后,采用某市真实负荷数据进行仿真分析.结果表明,所提方法与传统预测方法相比,具有更高的预测精度,为精确预测具有多维特征因素的负荷提供参考.
文献关键词：
多维特征;负荷预测;随机森林;双向长短期记忆网络;特征选择
中图分类号：
作者姓名：
伍乙杰;黄文灏;赖仕达;陈光宇;贾鹏;李家兴
作者机构：
南京工程学院电力工程学院,江苏南京 211167;国网福建省电力有限公司三明供电公司,福建三明 353000
文献出处：
引用格式：
[1]伍乙杰;黄文灏;赖仕达;陈光宇;贾鹏;李家兴-.基于随机森林和双向长短期记忆网络的超短期负荷预测研究)[J].电气自动化,2022(05):35-37,40
A类：
B类：
双向长短期记忆网络,超短期负荷预测,预测研究,电力负荷,多维特征,非线性关系,高负荷,bidi,rectional,long,short,term,memory,Bi,负荷预测方法,特征选择算法,负荷数据,某市,传统预测,精确预测
AB值：
0.254437
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。
