典型文献
基于相似日和CNN-LSTM的短期负荷预测
文献摘要：
为充分发掘历史信息,解决气象数据不足影响预测精度的问题,采用灰色关联分析(GRA)选取天气相似日和CNN-LSTM混合神经网络的方法来预测电力负荷.利用GRA计算每日各气象因素与日总负荷的灰色关联度,再计算各日与典型日的相同气象因素之间的欧氏距离,将各气象因素的欧氏距离分别乘以对应因素的关联度,并将同一天的结果累加,得到一个综合得分.选取待预测日之前分数最低的5天作为相似日,将相似日各时刻的负荷数据输入CNN-LSTM网络中,预测出待预测日的负荷,通过与其他模型对比,验证了该方法的有效性.
文献关键词：
灰色关联分析;相似日;CNN-LSTM混合神经网络;短期负荷预测
中图分类号：
作者姓名：
童占北;钟建伟;李祯维;吴建军;李家俊
作者机构：
湖北民族大学智能科学与工程学院,湖北恩施 445000;国网湖北省电力有限公司恩施供电公司,湖北恩施 445000
文献出处：
引用格式：
[1]童占北;钟建伟;李祯维;吴建军;李家俊-.基于相似日和CNN-LSTM的短期负荷预测)[J].电工电气,2022(08):17-22
A类：
B类：
相似日,短期负荷预测,发掘历史,历史信息,气象数据,影响预测,灰色关联分析,GRA,混合神经网络,电力负荷,气象因素,总负荷,灰色关联度,典型日,同气,欧氏距离,乘以,同一天,累加,综合得分,将相,负荷数据,预测出,模型对比
AB值：
0.355061
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。
