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
基于不同分布下GARCH-M族模型的短期用户负荷预测
被引量：
12
1
作者
王晨
叶江明
何嘉弘
《电力工程技术》
北大核心
2022年第5期110-115,共6页
电力负荷预测是电力系统研究的基础工作之一,而时间序列分析法是目前使用最广泛的预测方法。针对用户日度负荷时间序列存在的波动性及尖峰厚尾特征,文中提出利用均值广义自回归条件异方差(GARCH-M)族模型进行用户负荷预测。首先根据用...
电力负荷预测是电力系统研究的基础工作之一,而时间序列分析法是目前使用最广泛的预测方法。针对用户日度负荷时间序列存在的波动性及尖峰厚尾特征,文中提出利用均值广义自回归条件异方差(GARCH-M)族模型进行用户负荷预测。首先根据用户日度负荷时间序列的分布情况,利用拉格朗日乘数(LM)检验方法检验了负荷序列的自回归条件异方差(ARCH)效应;其次提出在高斯分布、t分布和广义误差分布(GED)3种不同分布下,根据波动补偿项的不同形式,建立GARCH-M族模型;最后结合损失函数进行预测分析,结果表明相比传统时间序列分析模型,在不同分布下的GARCH-M族模型提高了短期用户负荷预测准确度。
展开更多
关键词
时间序列分析法
短期用户负荷预测
自回归条件异方差(ARCH)效应
GARCH-M族模型
厚尾效应
损失函数
在线阅读
下载PDF
职称材料
基于自适应图注意力网络的短期用户负荷预测
被引量：
14
2
作者
黄冬梅
陈欢
+3 位作者
王宁
吴志坚
胡伟
孙园
《电力系统保护与控制》
EI
CSCD
北大核心
2023年第20期140-149,共10页
为提高短期用户负荷预测精度,提出了一种基于自适应图注意力网络(adaptive graph attention network,AGAT)的短期用户负荷预测模型。首先,针对用户负荷存在规模小、波动性强的问题,通过门控机制结合多个大小不同的扩张卷积核来构造时序...
为提高短期用户负荷预测精度,提出了一种基于自适应图注意力网络(adaptive graph attention network,AGAT)的短期用户负荷预测模型。首先,针对用户负荷存在规模小、波动性强的问题,通过门控机制结合多个大小不同的扩张卷积核来构造时序特征提取层,从多个尺度上提取用户负荷的高维时序特征。同时,考虑到不同用户负荷间潜在的动态相关性,使用马氏距离构造动态图学习层,生成动态图邻接矩阵。然后,采用图注意力网络根据动态图邻接矩阵将用户负荷的高维时序特征进行信息汇聚。最后,通过全连接层输出用户负荷预测值。为验证AGAT模型的有效性,采用UCI电力负荷数据集进行预测实验,分别与多种基线模型比较。实验结果表明,所提模型预测指标优于各基线模型,有助于提高短期用户负荷预测精度。
展开更多
关键词
短期用户负荷预测
自适应图注意力网络
时序特征提取
动态图学习
图神经网络
在线阅读
下载PDF
职称材料
题名
基于不同分布下GARCH-M族模型的短期用户负荷预测
被引量：
12
1
作者
王晨
叶江明
何嘉弘
机构
南京工程学院电力工程学院
东南大学电气工程学院
出处
《电力工程技术》
北大核心
2022年第5期110-115,共6页
基金
国家自然科学基金资助项目(51807028)。
文摘
电力负荷预测是电力系统研究的基础工作之一,而时间序列分析法是目前使用最广泛的预测方法。针对用户日度负荷时间序列存在的波动性及尖峰厚尾特征,文中提出利用均值广义自回归条件异方差(GARCH-M)族模型进行用户负荷预测。首先根据用户日度负荷时间序列的分布情况,利用拉格朗日乘数(LM)检验方法检验了负荷序列的自回归条件异方差(ARCH)效应;其次提出在高斯分布、t分布和广义误差分布(GED)3种不同分布下,根据波动补偿项的不同形式,建立GARCH-M族模型;最后结合损失函数进行预测分析,结果表明相比传统时间序列分析模型,在不同分布下的GARCH-M族模型提高了短期用户负荷预测准确度。
关键词
时间序列分析法
短期用户负荷预测
自回归条件异方差(ARCH)效应
GARCH-M族模型
厚尾效应
损失函数
Keywords
time series analysis
short-term user load forecasting
autoregressive conditional heteroskedasticity(ARCH)effect
generalized autoregressive conditional heteroskedasticity-in-mean(GARCH-M)family model
fat tail effect
loss function
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
基于自适应图注意力网络的短期用户负荷预测
被引量：
14
2
作者
黄冬梅
陈欢
王宁
吴志坚
胡伟
孙园
机构
上海电力大学电子与信息工程学院
上海电力大学电气工程学院
国网江苏省电力有限公司苏州供电分公司
上海电力大学经济与管理学院
上海电力大学数理学院
出处
《电力系统保护与控制》
EI
CSCD
北大核心
2023年第20期140-149,共10页
基金
国家社会科学基金项目资助(19BGL003)
上海市科委地方院校能力建设项目资助(20020500700)。
文摘
为提高短期用户负荷预测精度,提出了一种基于自适应图注意力网络(adaptive graph attention network,AGAT)的短期用户负荷预测模型。首先,针对用户负荷存在规模小、波动性强的问题,通过门控机制结合多个大小不同的扩张卷积核来构造时序特征提取层,从多个尺度上提取用户负荷的高维时序特征。同时,考虑到不同用户负荷间潜在的动态相关性,使用马氏距离构造动态图学习层,生成动态图邻接矩阵。然后,采用图注意力网络根据动态图邻接矩阵将用户负荷的高维时序特征进行信息汇聚。最后,通过全连接层输出用户负荷预测值。为验证AGAT模型的有效性,采用UCI电力负荷数据集进行预测实验,分别与多种基线模型比较。实验结果表明,所提模型预测指标优于各基线模型,有助于提高短期用户负荷预测精度。
关键词
短期用户负荷预测
自适应图注意力网络
时序特征提取
动态图学习
图神经网络
Keywords
short-term user load prediction
adaptive graph attention network
time sequence feature extraction
dynamic graph learning
graph neural network
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
基于不同分布下GARCH-M族模型的短期用户负荷预测
王晨
叶江明
何嘉弘
《电力工程技术》
北大核心
2022
12
在线阅读
下载PDF
职称材料
2
基于自适应图注意力网络的短期用户负荷预测
黄冬梅
陈欢
王宁
吴志坚
胡伟
孙园
《电力系统保护与控制》
EI
CSCD
北大核心
2023
14
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
