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BSLO优化的VMD-CNN-GRU模型的夏季高峰电力负荷预测方法
1
作者
周坤
马添翼
+1 位作者
李婷
王志远
《印刷与数字媒体技术研究》
北大核心
2025年第5期335-346,共12页
针对夏季高温下电力负荷剧烈波动、短期预测难度高的问题,本研究提出一种集场景筛选、信号处理、深度预测与参数优化于一体的多阶段负荷预测方法。首先,通过典型日聚类与灰色关联分析识别负荷场景,筛选相似样本构建训练集;然后,利用变...
针对夏季高温下电力负荷剧烈波动、短期预测难度高的问题,本研究提出一种集场景筛选、信号处理、深度预测与参数优化于一体的多阶段负荷预测方法。首先,通过典型日聚类与灰色关联分析识别负荷场景,筛选相似样本构建训练集;然后,利用变分模态分解(VMD)对原始序列进行重构,提升数据质量;建模阶段引入卷积神经网络(CNN)与门控循环单元(GRU)网络提取局部特征与时序关系;最终,采用吸血水蛭优化算法(BLSO)联合优化VMD与网络参数。实验结果表明,该模型在典型高峰负荷场景中表现优异,测试集上平均绝对误差(MAE)为123.16MW、平均绝对百分比误差(MAPE)为1.37%、判定系数(R2)为0.994。对比多种优化算法,本研究方法MAPE显著低于其他算法的2.75%~4.08%,展现出更强的鲁棒性与泛化能力,为电力系统在高峰负荷预测中提供了有效支持。
展开更多
关键词
电力负荷预测
典型日聚类
灰色关联分析
变分模态分解
CNN-GRU
blso
算法
在线阅读
下载PDF
职称材料
题名
基于BSLO优化的VMD-CNN-GRU模型的夏季高峰电力负荷预测方法
1
作者
周坤
马添翼
李婷
王志远
机构
北京印刷学院机电工程学院
出处
《印刷与数字媒体技术研究》
北大核心
2025年第5期335-346,共12页
基金
国家自然科学基金青年项目(No.62403065)
北京印刷学院青年卓越项目(N0.Ea202405)
北京市教委研发计划(No.KM202310015003)。
文摘
针对夏季高温下电力负荷剧烈波动、短期预测难度高的问题,本研究提出一种集场景筛选、信号处理、深度预测与参数优化于一体的多阶段负荷预测方法。首先,通过典型日聚类与灰色关联分析识别负荷场景,筛选相似样本构建训练集;然后,利用变分模态分解(VMD)对原始序列进行重构,提升数据质量;建模阶段引入卷积神经网络(CNN)与门控循环单元(GRU)网络提取局部特征与时序关系;最终,采用吸血水蛭优化算法(BLSO)联合优化VMD与网络参数。实验结果表明,该模型在典型高峰负荷场景中表现优异,测试集上平均绝对误差(MAE)为123.16MW、平均绝对百分比误差(MAPE)为1.37%、判定系数(R2)为0.994。对比多种优化算法,本研究方法MAPE显著低于其他算法的2.75%~4.08%,展现出更强的鲁棒性与泛化能力,为电力系统在高峰负荷预测中提供了有效支持。
关键词
电力负荷预测
典型日聚类
灰色关联分析
变分模态分解
CNN-GRU
blso
算法
Keywords
Power load forecasting
Typical day clustering
Grey relational analysis
Variational mode decomposition
CNN-GRU
blso algorithm
分类号
TP39 [自动化与计算机技术—计算机应用技术]
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BSLO优化的VMD-CNN-GRU模型的夏季高峰电力负荷预测方法
周坤
马添翼
李婷
王志远
《印刷与数字媒体技术研究》
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
