典型文献
考虑多维特征和数据增强的空间负荷预测方法
文献摘要：
针对空间负荷预测的影响因素多样及历史数据匮乏的问题,提出了一种考虑多维特征和数据增强的空间负荷预测方法.该方法首先综合考虑多种影响电力负荷的因素,从开发强度、发展水平、气候条件建立地区多维度指标模型.然后构建生成对抗网络(generative adversarial networks,GAN)的数据生成模型,对训练集进行数据增强,生成数量充足且符合地区特点的训练样本.其次采用基于粒子群算法(particle swarm optimization,PSO)优化初始权重和阈值后的反向传播(back propaga-tion,BP)神经网络建立空间负荷预测模型,并利用增强后的数据集实现空间负荷预测.最后,以东部某市4个区为例,对本文的方法进行验证,仿真结果表明本文提出的方法可以提高空间负荷预测精度,具有实用性和有效性.
文献关键词：
多维特征;GAN;BP神经网络;空间负荷预测(SLF)
中图分类号：
作者姓名：
黄冬梅;张宁宁;胡安铎;孙园;孙锦中;陈岸青
作者机构：
上海电力大学电子与信息工程学院,上海201306;上海电力大学数理学院,上海201306;国网信通亿力科技有限责任公司,福州350001
文献出处：
引用格式：
[1]黄冬梅;张宁宁;胡安铎;孙园;孙锦中;陈岸青-.考虑多维特征和数据增强的空间负荷预测方法)[J].科学技术与工程,2022(30):13330-13337
A类：
B类：
多维特征,数据增强,空间负荷预测,负荷预测方法,历史数据,数据匮乏,电力负荷,开发强度,气候条件,立地,多维度指标,指标模型,生成对抗网络,generative,adversarial,networks,GAN,数据生成,生成模型,训练集,训练样本,粒子群算法,particle,swarm,optimization,PSO,反向传播,back,propaga,负荷预测模型,某市,SLF
AB值：
0.337702
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。
