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
1
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
基于重构分解和误差补偿的短期电力负荷双层协同预测
1
作者
李阳
徐燕龙
+3 位作者
王沼民
叶永盛
黎丽丽
黄江华
《电网与清洁能源》
北大核心
2025年第2期75-83,共9页
为有效提高短期电力负荷预测精度,提出了一种基于重构分解和误差补偿的双层协同预测方法。上层以改进的完全集合经验模态分解(improved complete ensemble empirical mode decomposition with adaptive noise,ICEEMDAN)、排列熵、K-medo...
为有效提高短期电力负荷预测精度,提出了一种基于重构分解和误差补偿的双层协同预测方法。上层以改进的完全集合经验模态分解(improved complete ensemble empirical mode decomposition with adaptive noise,ICEEMDAN)、排列熵、K-medoids聚类和自适应变分模态分解组成的重构分解方法降低负荷序列的不可预测性,进一步构建时间卷积网络联立双向门控循环单元的混合预测模型(temporalconvolutional network-bidirectional gated recurrent unit,TCBG);下层以上层负荷预测误差以及历史误差为输入,建立ICEEMDAN-TCBG误差补偿模型,修正上层预测结果。以爱尔兰地区2019年电力负荷为算例搭建多组分析实验,实验结果表明:所提方法的MAE和MAPE分别为298.079 MW和1.242%,优于其他对比方法。
展开更多
关键词
短期电力负荷
重构分解
误差补偿
双层协同预测
在线阅读
下载PDF
职称材料
题名
基于重构分解和误差补偿的短期电力负荷双层协同预测
1
作者
李阳
徐燕龙
王沼民
叶永盛
黎丽丽
黄江华
机构
三峡大学电气与新能源学院
安庆会通新材料有限公司
三峡大学机械与动力学院
浙江科技大学机械与能源工程学院
出处
《电网与清洁能源》
北大核心
2025年第2期75-83,共9页
基金
国家自然科学基金项目(52277012)。
文摘
为有效提高短期电力负荷预测精度,提出了一种基于重构分解和误差补偿的双层协同预测方法。上层以改进的完全集合经验模态分解(improved complete ensemble empirical mode decomposition with adaptive noise,ICEEMDAN)、排列熵、K-medoids聚类和自适应变分模态分解组成的重构分解方法降低负荷序列的不可预测性,进一步构建时间卷积网络联立双向门控循环单元的混合预测模型(temporalconvolutional network-bidirectional gated recurrent unit,TCBG);下层以上层负荷预测误差以及历史误差为输入,建立ICEEMDAN-TCBG误差补偿模型,修正上层预测结果。以爱尔兰地区2019年电力负荷为算例搭建多组分析实验,实验结果表明:所提方法的MAE和MAPE分别为298.079 MW和1.242%,优于其他对比方法。
关键词
短期电力负荷
重构分解
误差补偿
双层协同预测
Keywords
short-term power load
reconstruction decompo-
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
作者
出处
发文年
被引量
操作
1
基于重构分解和误差补偿的短期电力负荷双层协同预测
李阳
徐燕龙
王沼民
叶永盛
黎丽丽
黄江华
《电网与清洁能源》
北大核心
2025
0
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
