典型文献
考虑特征重要性值波动的MI-BILSTM短期负荷预测
文献摘要：
在短期负荷预测中,含有循环单元的深度学习模型应用广泛,但训练时采用的权值共享结构具有时不变性,忽略了输入特征(气象、日期、历史负荷值等)在不同时刻下给负荷变化带来的不同影响,即权值共享结构无法追踪输入特征的重要性值波动.针对此问题,提出一种考虑特征重要性值波动的互信息(MI)-双向长短期记忆(BILSTM)网络预测方法.利用MI法提取输入特征在不同时刻下的重要性值,组成重要性值波动矩阵,并将其作为系数修正原输入特征.然后,代入BILSTM网络中完成训练和预测工作,弥补权值共享结构无法追踪特征重要性值波动的缺陷,进一步提高预测精度.最后,以某地区实际电网负荷数据为例,验证所提短期负荷预测方法的有效性.
文献关键词：
短期负荷预测;双向长短期记忆网络;权值共享;互信息法
中图分类号：
作者姓名：
孙辉;杨帆;高正男;胡姝博;王钟辉;刘劲松
作者机构：
大连理工大学电子信息与电气工程学部,辽宁省大连市 116024;国网辽宁省电力有限公司电力科学研究院,辽宁省沈阳市 110055;国网辽宁省电力有限公司调度控制中心,辽宁省沈阳市 110004
文献出处：
引用格式：
[1]孙辉;杨帆;高正男;胡姝博;王钟辉;刘劲松-.考虑特征重要性值波动的MI-BILSTM短期负荷预测)[J].电力系统自动化,2022(08):95-103
A类：
B类：
特征重要性,MI,BILSTM,短期负荷预测,深度学习模型,模型应用,权值共享,不变性,输入特征,不同时刻,刻下,负荷变化,系数修正,代入,某地区,电网负荷,负荷数据,负荷预测方法,双向长短期记忆网络,互信息法
AB值：
0.244442
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。
