基于QWDAE和HWMHGRU融合的电力系统短期负荷预测模型
文档名：基于QWDAE和HWMHGRU融合的电力系统短期负荷预测模型
摘要：为提升电力系统短期负荷预测精度,提出量子加权降噪自编码器和高速通道多层级门控循环单元神经网络融合的短期负荷预测模型.首先利用量子信息处理机制,采用量子加权神经元构建量子加权降噪自编码器,挖掘负荷序列中的有效信息作为输入特征;然后提出具有两级门控结构和高速通道结构的高速通道多层级门控循环单元,构成量子加权降噪自编码器和高速通道多层级门控循环单元融合的短期负荷预测模型.仿真结果表明,所提模型具有较好的预测精度和预测稳定性.
作者：李文升 孙东磊 郑志杰 梁荣 王凇瑶 张智晟 Author：LIWensheng SUNDonglei ZHENGZhijie LIANGRong WANGSongyao ZHANGZhisheng
作者单位：国网山东省电力公司经济技术研究院,济南250021青岛大学电气工程学院,青岛266071
刊名：电力系统及其自动化学报 ISTICPKU
Journal：ProceedingsoftheCSU-EPSA
年，卷(期)：2023, 35(9)
分类号：TM715
关键词：高速通道多层级门控循环单元量子加权降噪自编码器短期负荷预测电力系统
Keywords：highwaymulti-hierarchygatedrecurrentunit(HWMHGRU)quantumweighteddenoisingautoencoder(QWDAE)short-termloadforecastingpowersystem
机标分类号：TP391TM715TP183
在线出版日期：2023年10月11日
基金项目：国网山东省电力公司科技项目基于QWDAE和HWMHGRU融合的电力系统短期负荷预测模型[
期刊论文]电力系统及其自动化学报--2023, 35(9)李文升孙东磊郑志杰梁荣王凇瑶张智晟为提升电力系统短期负荷预测精度,提出量子加权降噪自编码器和高速通道多层级门控循环单元神经网络融合的短期负荷预测模型.首先利用量子信息处理机制,采用量子加权神经元构建量子加权降噪自编码器,挖掘负荷序列中的有效...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QWDAE和HWMHGRU融合的电力系统短期负荷预测模型Short-term Load Forecasting Model for Power System Based on Fusion of QWDAE and HWMHGRU
基于QWDAE和HWMHGRU融合的电力系统短期负荷预测模型.pdf
页:
[1]