典型文献
基于LSTM-SVR的用电需求预测研究
文献摘要：
精确高效的用电需求预测在现代电网建设和资源利用分配上具有重要的研究意义.为了提高资源利用率和电力负荷预测精度,本文提出一种采用长短期记忆网络(LSTM)与支持向量回归机(SVR)相结合的组合算法对用户用电需求进行预测,并利用改进粒子群算法(PSO)对SVR参数进行寻优.以福建某地区的用电数据为例,验证了LSTM-SVR组合模型的可行性与有效性.实验结果表明,使用LSTM-SVR模型可以有效改进单一模型(LSTM、SVR)预测精度较低的缺点,相比单一模型在MAPE、RMSE和拟合系数R2上更优.
文献关键词：
用电需求预测;深度学习;支持向量回归;长短期记忆网络
中图分类号：
作者姓名：
雷升;徐启峰;林穿
作者机构：
福州大学电气工程与自动化学院,福建 福州 350108
文献出处：
引用格式：
[1]雷升;徐启峰;林穿-.基于LSTM-SVR的用电需求预测研究)[J].电气开关,2022(02):13-18
A类：
用电需求预测
B类：
SVR,预测研究,现代电网,电网建设,配上,研究意义,高资源利用率,电力负荷预测,长短期记忆网络,支持向量回归机,组合算法,户用,改进粒子群算法,PSO,某地区,用电数据,组合模型,MAPE,RMSE
AB值：
0.257862
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。
