基于1DCNNLSTM和迁移学习的短期电力负荷预测
文档名：基于1DCNNLSTM和迁移学习的短期电力负荷预测
摘要：针对在短期电力负荷预测中,当某区域电力负荷数据较少时,负荷预测精度较差的问题,提出一种基于1DCNN-LSTM(1DConvolutionalNeural-LongShort-TermMemoryNetworks)和参数迁移的短期负荷预测方法,并采用1DCNN-LSTM结合迁移学习针对性提高预测精度.使用美国某地区的实际负荷数据进行仿真分析,实验结果表明,该方法能有效提升区域电力负荷数据缺失时负荷预测的精度.
作者：姜建国万成德陈鹏郭晓丽佟麟阁Author：JIANGJianguoWANChengdeCHENPengGUOXiaoliTONGLinge
作者单位：东北石油大学电气信息工程学院,黑龙江大庆163318
刊名：吉林大学学报（信息科学版） ISTIC
Journal：JournalofJilinUniversity(InformationScienceEdition)
年，卷(期)：2023, 41(1)
分类号：TM715
关键词：负荷预测迁移学习一维卷积神经网络长短期记忆网络
机标分类号：TM715TP399TP183
在线出版日期：2023年4月6日
基金项目：基于1DCNN-LSTM和迁移学习的短期电力负荷预测[
期刊论文]吉林大学学报（信息科学版）--2023, 41(1)姜建国万成德陈鹏郭晓丽佟麟阁针对在短期电力负荷预测中,当某区域电力负荷数据较少时,负荷预测精度较差的问题,提出一种基于1DCNN-LSTM(1DConvolutionalNeural-LongShort-TermMemoryNetworks)和参数迁移的短期负荷预测方法,并采用1DCNN-LSTM结...参考文献和引证文献
参考文献
引证文献
本文读者也读过
相似文献
相关博文
基于1DCNN-LSTM和迁移学习的短期电力负荷预测Short-Term Power Load Prediction Based on 1DCNN-LSTM and Transfer Learning
基于1DCNN-LSTM和迁移学习的短期电力负荷预测.pdf
页:
[1]