-
题名基于横纵向集成学习的短期负荷预测方法
被引量：1
- 1
-
-
作者
徐耀松
叶雨洁
王雨虹
屠乃威
王丹丹
-
机构
辽宁工程技术大学电气与控制工程学院
辽宁工程技术大学机械工程学院
-
出处
《控制工程》
CSCD
北大核心
2023年第3期504-512,共9页
-
基金
国家自然科学基金面上项目(51974151)
国家自然科学基金青年基金项目(61601212)
辽宁省教育厅重点实验室项目(LJZS003)。
-
文摘
为进一步提高预测的准确度和普适能力,并降低组成算法的复杂度,对负荷的固有特性进行横纵向二维化分析,结合误差分布的特点,提出基于横纵向剖析负荷特性的集成预测方法。初级模型采用互信息提取横向特征,通过长短期记忆网络(LSTM)感知负荷波动;采用变分模态分解(VMD)提取纵向特征,通过Elman神经网络预知负荷趋势;然后基于改进的Stacking融合构建横纵向集成学习模型。最后,采用中国东部某地区的负荷数据验证模型的有效性,算例表明改进的Stacking充分融合了横纵向模型的优势并具备强大的学习小样本能力,横纵向集成预测方法有效提高了模型的预测精度和泛化能力。
-
关键词
横纵向负荷特性
长短期记忆网络
变分模态分解
ELMAN神经网络
改进Stacking集成模型
-
Keywords
Transverse and longitudinal load characteristics
long-short term memory(LSTM)
variational mode decomposition(VMD)
Elman neural network
improved Stacking integrated algorithm
-
分类号
TM732
[电气工程—电力系统及自动化]
-
