当前位置:主页 > 科技论文 > 电力论文 >

基于Stacking模型集成的LSTM网络短期负荷预测研究

发布时间:2024-01-17 15:00
  为解决传统负荷预测方法存在的预测精度偏低的问题,通过分析短期负荷影响因素确定训练集,创建Stacking模型,并结合包括输入门、输出门与遗忘门在内的LSTM网络创建Stacking-LSTM混合模型,通过时间滑动窗口建立影响因素数据特征图,将其作为Stacking-LSTM混合模型的输入,经数据转换后得到特征类别更强的降维二级特征数据,输入到LSTM网络层实现短期负荷预测。该方法利用Stacking模型的集成作用和LSTM网络的强挖掘能力,增强降维后的数据类别特征,达到提升电力系统负荷动态平衡性的效果。仿真结果表明,该方法的负荷预测结果与实际值非常接近,具有较高的预测精准度。

【文章页数】:6 页


本文编号:3879291

资料下载
论文发表

本文链接:https://www.wllwen.com/kejilunwen/dianlilw/3879291.html


Copyright(c)文论论文网All Rights Reserved | 网站地图 |

版权申明:资料由用户f78df***提供,本站仅收录摘要或目录,作者需要删除请E-mail邮箱bigeng88@qq.com