典型文献
基于变权重拟合的并行组合电价预测模型研究
文献摘要：
在电力市场中,日前电价预测是用户用电决策的关键因素之一.为提高电价预测精度,提出了一种基于变权重拟合的并行组合电价预测模型,该模型结合了长短期记忆网络(LSTM)和支持向量机(SVM)模型,权重则采用改进粒子群算法(IPSO)获取.在预测过程中,首先分别使用LSTM和SVM对电价进行预测,然后使用预测日前的历史预测结果和实际历史电价对IPSO进行训练,以此获得权重;再用得到的权重拟合并行组合模型在预测日的预测结果就能得到最终预测结果;最后使用了美国PJM电力市场的电价数据进行预测实验,经与单一的LSTM模型和SVM模型的预测结果进行比较,验证了变权重拟合方法能够提高预测模型的最终预测精度.
文献关键词：
日前电价预测;长短期记忆神经网络;SVM;粒子群;权重
中图分类号：
作者姓名：
徐良;忻俊杰;王恒毅;李文磊
作者机构：
宁波大学信息科学与工程学院 浙江宁波315211
文献出处：
引用格式：
[1]徐良;忻俊杰;王恒毅;李文磊-.基于变权重拟合的并行组合电价预测模型研究)[J].数据通信,2022(02):46-51
A类：
B类：
变权重,电价预测模型,电力市场,日前电价预测,户用,长短期记忆网络,重则,改进粒子群算法,IPSO,用得,组合模型,PJM,拟合方法,长短期记忆神经网络
AB值：
0.191076
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。
