基于VaR和集成神经网络分位数回归的短期负荷概率预测
文档名：基于VaR和集成神经网络分位数回归的短期负荷概率预测
摘要：短期负荷预测在电力系统规划与运行中起着重要作用.提出一种融合注意力机制和分位数回归的混合卷积双向长短期神经网络短期负荷概率预测模型.首先,利用相关性分析选取合适的天气变量和历史负荷.其次,通过Copula模型计算出风险阈值,该值被用于构造峰值二进制指示输入特征.接着,将所选特征集输入到卷积双向长短期神经网络预测模型,引入注意力机制给予数据不同关注.然后,采用核密度估计对负荷进行概率预测.最后,使用平均绝对百分比误差和均方根误差对模型预测性能进行评估.仿真结果表明,该模型具有更高的预测精度.
作者：陈腾 阮舟 郑志敏 Author：CHENTeng RUANZhou ZHENGZhimin
作者单位：国网浙江省电力有限公司杭州供电公司,杭州310000浙大宁波理工学院信息科学与工程学院,浙江宁波315000
刊名：电力需求侧管理 ISTIC
Journal：PowerDemandSideManagement
年，卷(期)：2023, 25(6)
分类号：TM714TK018
关键词：负荷概率预测神经网络注意力机制峰值指示特征分位数回归
Keywords：loadprobabilisticpredictionneuralnetworkat-tentionmechanismpeakindicatorfeaturequantileregression
机标分类号：F224.0TM715F832.51
在线出版日期：2023年11月28日
基金项目：国网杭州供电公司输变电工程项目基于VaR和集成神经网络分位数回归的短期负荷概率预测[
期刊论文]电力需求侧管理--2023, 25(6)陈腾阮舟郑志敏短期负荷预测在电力系统规划与运行中起着重要作用.提出一种融合注意力机制和分位数回归的混合卷积双向长短期神经网络短期负荷概率预测模型.首先,利用相关性分析选取合适的天气变量和历史负荷.其次,通过Copula模型计算...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VaR和集成神经网络分位数回归的短期负荷概率预测Short-term load probability forecasting based on VaR and integrated neural network quantile regression
基于VaR和集成神经网络分位数回归的短期负荷概率预测.pdf
页:
[1]