典型文献
基于VMD与MOGOA-LSTM的短期负荷预测模型
文献摘要：
为了提高短期负荷预测的准确度,降低非平稳信号对模型预测造成的影响,提出一种集数据挖掘和多目标优化网络于一体的短期负荷预测模型.该方法将电力负荷数据通过变分模态分解技术分解成若干个不同频率的模态分量,采用相间重构方法动态确定人工神经网络的训练测试比和神经元设置,采用长短期记忆神经网络对各分量进行模型搭建,并在长短期记忆神经网络的基础上加入多目标蝗虫智能优化算法来优化网络内部参数,累加所有分量模型预测的值,实现短期负荷预测.仿真结果表明,与统计学方和混合模型相比,本文提出的模型在短期预测方面的预测精度较高、泛化能力更强.
文献关键词：
变分模态分解;相间重构;LSTM;多目标蝗虫优化算法;短期负荷预测
中图分类号：
作者姓名：
欧阳孟可;沈卫康;成徽;石凯
作者机构：
南京工程学院,江苏 南京 210000
文献出处：
引用格式：
[1]欧阳孟可;沈卫康;成徽;石凯-.基于VMD与MOGOA-LSTM的短期负荷预测模型)[J].计算机与现代化,2022(03):7-12
A类：
MOGOA,相间重构,多目标蝗虫优化算法
B类：
VMD,短期负荷预测,负荷预测模型,非平稳信号,多目标优化,电力负荷,负荷数据,数据通,变分模态分解,分解技术,分解成,若干个,不同频率,模态分量,重构方法,定人,人工神经网络,长短期记忆神经网络,模型搭建,智能优化算法,累加,混合模型,短期预测,泛化能力
AB值：
0.224067
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。
