期刊文献+
共找到1篇文章
< 1 >
每页显示 20 50 100
基于变分模态分解和多模型融合的用户级综合能源系统超短期负荷预测 被引量:46
1
作者 叶剑华 曹旌 +1 位作者 杨理 罗凤章 《电网技术》 EI CSCD 北大核心 2022年第7期2610-2618,共9页
针对用户级综合能源系统(integrated energy system,IES)多元负荷波动性和随机性较强、精确预测难度较大的问题,提出了一种基于变分模态分解(variational mode decomposition,VMD)和多模型融合的超短期负荷预测方法。首先采用VMD将IES... 针对用户级综合能源系统(integrated energy system,IES)多元负荷波动性和随机性较强、精确预测难度较大的问题,提出了一种基于变分模态分解(variational mode decomposition,VMD)和多模型融合的超短期负荷预测方法。首先采用VMD将IES各类负荷序列分解成不同的本征模态函数(intrinsic mode function,IMF);然后将各IMF结合气象信息构造不同的特征集,分别输入支持向量回归机(support vector regression,SVR)、长短期记忆(long short-term memory,LSTM)网络和一维卷积神经网络(one-dimensional convolutional neural network,1DCNN)进行预测;最后,将3个模型的预测结果输入SVR进行融合得到最终的预测值,并采用和声搜索(harmony search,HS)算法优化SVR的参数。通过某用户级IES的实际数据对所提方法的有效性进行了验证,结果表明,所提出的多模型融合方法优于单模型预测方法,对电、冷、热负荷均具有最好的预测精度。 展开更多
关键词 综合能源系统 负荷预测 变分模态分解 支持向量回归机 长短期记忆网络 卷积神经网络
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部