期刊导航
期刊开放获取
上海教育软件发展有限公..
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
2
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于小波变换与BiGRU-NN模型的短期负荷预测方法
被引量：
12
1
作者
曾囿钧
肖先勇
徐方维
《电测与仪表》
北大核心
2023年第6期103-109,共7页
为更好地挖掘大量采集数据蕴含的有效信息,提高短期负荷预测精度,文中提出一种基于小波变换与双向门控循环单元(BiGRU)、全连接神经网络(NN)混合模型的短期负荷预测方法。文章利用小波变换将负荷特征数据分解为高频数据以及低频数据,再...
为更好地挖掘大量采集数据蕴含的有效信息,提高短期负荷预测精度,文中提出一种基于小波变换与双向门控循环单元(BiGRU)、全连接神经网络(NN)混合模型的短期负荷预测方法。文章利用小波变换将负荷特征数据分解为高频数据以及低频数据,再分别建立高频混合神经网络以及低频混合神经网络模型进行预测。在混合神经网络模型中,将负荷特征数据作为BiGRU-NN网络的输入,利用BiGRU-NN网络学习负荷非线性以及时序性特征,以此进行短期负荷预测。文中以丹麦东部地区的负荷数据作为算例,实验结果表明,该方法与GRU神经网络、DNN神经网络、CNN-LSTM神经网络相比,具有更高的预测精度。
展开更多
关键词
电力系统
短期负荷预测
小波变换
双向
门控
循环
单元
双向门控循环单元-全连接神经网络混合模型
在线阅读
下载PDF
职称材料
基于CNN-BiGRU-NN模型的短期负荷预测方法
被引量：
44
2
作者
曾囿钧
肖先勇
+1 位作者
徐方维
郑林
《中国电力》
CSCD
北大核心
2021年第9期17-23,共7页
为充分挖掘蕴含在大量采集数据中的有效信息,提高短期负荷预测精度,提出一种基于卷积神经网络(CNN)和双向门控循环单元(BiGRU)、全连接神经网络(NN)的混合模型的短期负荷预测方法,将海量的历史负荷数据、气象信息、日期信息按时间滑动...
为充分挖掘蕴含在大量采集数据中的有效信息,提高短期负荷预测精度,提出一种基于卷积神经网络(CNN)和双向门控循环单元(BiGRU)、全连接神经网络(NN)的混合模型的短期负荷预测方法,将海量的历史负荷数据、气象信息、日期信息按时间滑动窗口构造特征图作为输入,先利用CNN提取特征图中的有效信息,构造特征向量,再将特征向量作为BiGRU-NN网络的输入,采用BiGRU-NN网络进行短期负荷预测。以2016年举办的全国第九届电工数学建模竞赛试题A题中的负荷数据作为实际算例,实验结果表明:该方法与DNN神经网络、GRU神经网络、CNN-LSTM神经网络短期负荷预测法相比,有更高的预测精度。
展开更多
关键词
电力系统
短期负荷预测
卷积
神经网络
双向
门控
循环
单元
卷积
神经网络
-
双向
门控
循环
单元
神经网络
混合
模型
在线阅读
下载PDF
职称材料
题名
基于小波变换与BiGRU-NN模型的短期负荷预测方法
被引量：
12
1
作者
曾囿钧
肖先勇
徐方维
机构
四川大学电气工程学院
出处
《电测与仪表》
北大核心
2023年第6期103-109,共7页
基金
国家自然科学基金面上项目(51877141)。
文摘
为更好地挖掘大量采集数据蕴含的有效信息,提高短期负荷预测精度,文中提出一种基于小波变换与双向门控循环单元(BiGRU)、全连接神经网络(NN)混合模型的短期负荷预测方法。文章利用小波变换将负荷特征数据分解为高频数据以及低频数据,再分别建立高频混合神经网络以及低频混合神经网络模型进行预测。在混合神经网络模型中,将负荷特征数据作为BiGRU-NN网络的输入,利用BiGRU-NN网络学习负荷非线性以及时序性特征,以此进行短期负荷预测。文中以丹麦东部地区的负荷数据作为算例,实验结果表明,该方法与GRU神经网络、DNN神经网络、CNN-LSTM神经网络相比,具有更高的预测精度。
关键词
电力系统
短期负荷预测
小波变换
双向
门控
循环
单元
双向门控循环单元-全连接神经网络混合模型
Keywords
power system
short
-
term load forecasting
wavelet transform
bidirectional gated recurrent unit
bidirectional gated recurrent unit
-
fully
-
connected neural network hybrid model
分类号
TM715 [电气工程—电力系统及自动化]
在线阅读
下载PDF
职称材料
题名
基于CNN-BiGRU-NN模型的短期负荷预测方法
被引量：
44
2
作者
曾囿钧
肖先勇
徐方维
郑林
机构
四川大学电气工程学院
国网四川省电力公司绵阳供电公司
出处
《中国电力》
CSCD
北大核心
2021年第9期17-23,共7页
基金
国家自然科学基金面上资助项目(新一代电力系统中谐波发射水平评估理论与方法,51877141)。
文摘
为充分挖掘蕴含在大量采集数据中的有效信息,提高短期负荷预测精度,提出一种基于卷积神经网络(CNN)和双向门控循环单元(BiGRU)、全连接神经网络(NN)的混合模型的短期负荷预测方法,将海量的历史负荷数据、气象信息、日期信息按时间滑动窗口构造特征图作为输入,先利用CNN提取特征图中的有效信息,构造特征向量,再将特征向量作为BiGRU-NN网络的输入,采用BiGRU-NN网络进行短期负荷预测。以2016年举办的全国第九届电工数学建模竞赛试题A题中的负荷数据作为实际算例,实验结果表明:该方法与DNN神经网络、GRU神经网络、CNN-LSTM神经网络短期负荷预测法相比,有更高的预测精度。
关键词
电力系统
短期负荷预测
卷积
神经网络
双向
门控
循环
单元
卷积
神经网络
-
双向
门控
循环
单元
神经网络
混合
模型
Keywords
power system
short
-
term load forecasting
convolutional neural network
bidirectional gated recurrent unit
convolutional neural network
-
bidirectional gated recurrent unit neural network hybrid model
分类号
TM715 [电气工程—电力系统及自动化]
TP183 [自动化与计算机技术—控制理论与控制工程]
在线阅读
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于小波变换与BiGRU-NN模型的短期负荷预测方法
曾囿钧
肖先勇
徐方维
《电测与仪表》
北大核心
2023
12
在线阅读
下载PDF
职称材料
2
基于CNN-BiGRU-NN模型的短期负荷预测方法
曾囿钧
肖先勇
徐方维
郑林
《中国电力》
CSCD
北大核心
2021
44
在线阅读
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
