典型文献
基于正交小波和长短期记忆神经网络的用电负荷预测方法
文献摘要：
用电负荷数据的波动性和周期性会影响电力负荷预测的准确性,针对此问题,文中提出了一种基于正交小波长短期记忆神经网络(orthogonal wavelet transform-long short-term memory, OWT-LSTM)的用电负荷预测方法.该方法对用电负荷序列进行正交小波分解,消除负荷数据的波动性,然后利用LSTM及其变种神经网络对正交小波分解后的各尺度负荷序列进行建模训练,通过各序列预测结果进行预测重构,获得最终的负荷预测结果.通过用户用电负荷数据集验证表明,该方法的预测性能优于其他模型,具有较高的预测精确性和稳定性.
文献关键词：
电力负荷;正交小波变换;长短期记忆网络;预测重构;预测精确度
中图分类号：
作者姓名：
张林;赖向平;仲书勇;李柯沂
作者机构：
国网重庆市电力公司,重庆市渝中区 400010;重庆智网科技有限公司信息通信分公司,重庆市渝北区 401120;国网重庆市电力公司信息通信分公司,重庆市渝中区 400010
文献出处：
引用格式：
[1]张林;赖向平;仲书勇;李柯沂-.基于正交小波和长短期记忆神经网络的用电负荷预测方法)[J].现代电力,2022(01):72-79
A类：
正交小波变换
B类：
长短期记忆神经网络,用电负荷预测,负荷预测方法,用电负荷数据,波动性,电力负荷预测,orthogonal,wavelet,transform,long,short,term,memory,OWT,负荷序列,小波分解,变种,序列预测,预测重构,户用,数据集验证,预测性能,精确性,长短期记忆网络,预测精确度
AB值：
0.274641
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。
