典型文献
基于FFT,DC-HC及LSTM的短期负荷预测方法
文献摘要：
针对电力负荷序列非线性、随机性等特点引起的电力负荷预测精度低问题,提出一种基于快速傅里叶变换(FFT)、密度层次聚类算法(DC-HC)与长短时记忆(LSTM)神经网络相结合的短期负荷预测方法.首先,采用FFT计算出所有原始电力负荷序列对应的期望频率,并以之作为负荷聚类的特征量.然后采用DC-HC算法对负荷进行聚类,将原始数据分拆成具有特征属性的数据分量组;运用LSTM模型对各分量组进行负荷预测,再将各分量组预测结果进行叠加,得到最终负荷预测值;最后,采用爱尔兰实际电力负荷数据进行算例分析,结果表明所提方法能够有效提高负荷预测精度.
文献关键词：
短期负荷预测;快速傅里叶变换;聚类;长短时记忆
中图分类号：
作者姓名：
魏震波;余雷
作者机构：
四川大学电气信息学院,四川成都 610065
文献出处：
引用格式：
[1]魏震波;余雷-.基于FFT,DC-HC及LSTM的短期负荷预测方法)[J].智慧电力,2022(03):37-43
A类：
B类：
FFT,DC,HC,短期负荷预测,负荷预测方法,负荷序列,随机性,电力负荷预测,快速傅里叶变换,层次聚类算法,长短时记忆,负荷聚类,特征量,原始数据,分拆,拆成,具有特征,特征属性,爱尔兰,负荷数据,算例分析,高负荷
AB值：
0.303561
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。
