典型文献
基于DAE和LSTM的居民用电负荷预测方法
文献摘要：
电力需求侧响应的发展对居民用电负荷预测提出了更高的要求.为提升居民负荷预测精度,提出了一种基于深度自编码器(DAE)和长短期记忆(LSTM)网络的预测方法.首先,将多个用户的数据整合在一起,以最大程度地利用数据和模型参数.其次,用DAE提取用户的典型行为特征,并用生成的特征向量标记历史负荷数据.最后,采用深度学习技术抽取历史负荷中的行为特征,并以此进行预测.实验结果表明,所提算法的MAE和RMSE比当前性能最优的采用独热向量标记的LSTM方法分别降低了3.35％和4.4％.
文献关键词：
自编码器;特征提取;长短期记忆网络;居民用电负荷预测;深度学习
中图分类号：
作者姓名：
姚国风;李天杰;刘兰芳;郑瑛楠
作者机构：
中国电力科学研究院有限公司,北京100192;北京中电飞华通信股份有限公司,北京100085;东北大学软件学院,辽宁沈阳110004
文献出处：
引用格式：
[1]姚国风;李天杰;刘兰芳;郑瑛楠-.基于DAE和LSTM的居民用电负荷预测方法)[J].控制工程,2022(11):2048-2053
A类：
居民用电负荷预测
B类：
DAE,负荷预测方法,电力需求,需求侧响应,居民负荷,深度自编码器,数据整合,合在一起,取用,行为特征,特征向量,负荷数据,深度学习技术,MAE,RMSE,长短期记忆网络
AB值：
0.183143
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。
