典型文献
基于VMD-PCA和TCN模型的短期电力负荷预测
文献摘要：
为提高电力负荷预测的准确性以降低后期电力备用储能建设的成本,需采取合理精确的预测模型预测未来负荷数据,文中提出一种基于变分模态分解(VMD)结合主成分分析(PCA)与时间卷积网络(TCN)组成的电力负荷预测模型.首先,为了提高抗噪性和分解效率,采用VMD对原始负荷序列进行分解,分解所得的模态分量通过计算样本熵值(SE)进行复杂度的近似分类,对新序列组分别建立预测模型;然后,采用主成分分析法做特征提取,提取出对预测目标影响较大的影响因素作为模型的输入向量.时间卷积网络作为深度卷积网络的改进算法,在预测精度和时间上都具有较大的优势,在深度学习领域得到了很多的关注,采用该模型进行短期电力负荷预测,最终结果同其他模型的结果相比误差最小,证明了该预测模型的精确可靠性.
文献关键词：
短期负荷预测;时间卷积网络;变分模态分解;主成分分析;样本熵;特征提取;影响因素;深度学习
中图分类号：
作者姓名：
吴嘉雯;谭伦农
作者机构：
江苏大学 电气信息工程学院,江苏 镇江 212013
文献出处：
引用格式：
[1]吴嘉雯;谭伦农-.基于VMD-PCA和TCN模型的短期电力负荷预测)[J].现代电子技术,2022(17):173-179
A类：
B类：
VMD,TCN,短期电力负荷预测,备用,预测未来,负荷数据,变分模态分解,时间卷积网络,负荷预测模型,高抗,抗噪性,分解效率,负荷序列,模态分量,样本熵,SE,新序列,深度卷积网络,改进算法,学习领域,短期负荷预测
AB值：
0.235173
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。
