张晓虎,蒋葓藨.基于时段细分训练时序网络组的超短期负荷预测*[J].电工技术,2023(21):11-14
基于时段细分训练时序网络组的超短期负荷预测*
  
DOI:10.19768/j.cnki.dgjs.2023.21.003
中文关键词:  超短期负荷预测  LSTM  GRU  神经网络
英文关键词:
基金项目:
作者单位
张晓虎 湖南工业大学电气与信息工程学院 
蒋葓藨 湖南工业大学电气与信息工程学院 
摘要点击次数: 556
全文下载次数: 0
中文摘要:
      为优化能源系统的能源供应调度方案,针对时序类神经网络难以提取与利用影响负荷变化的不固定成分信息的问题,结合相关影响特征在不同时段下重要性不同的特点,提出一种基于时段细分训练时序网络组的预测方法,通过与经典的预测模型长短期记忆网络(LSTM)、可控门循环网络(GRU)、双向长短值记忆网络(BiLSTM)、双向可控门循环网络(BiGRU)的多次对比可知,该方法能有效降低相应模型负荷预测时的RMSE、MSE、MAPE与MAE值。
英文摘要:
      
查看全文  查看/发表评论  下载PDF阅读器