节点文献

利用卷积神经网络支持向量回归机的地区负荷聚类集成预测

免费订阅

【作者】 沈兆轩袁三男

【Author】 SHEN Zhaoxuan;YUAN Sannan;School of Electronics and Information Engineering, Shanghai University of Electric Power;

【通讯作者】 袁三男;

【机构】 上海电力大学电子与信息工程学院

【摘要】 为提高地区负荷预测的运算效率和预测精度,提出了一种基于卷积神经网络支持向量回归机的地区负荷聚类集成预测方法。首先,通过聚类模型对地区内大量用户的真实负荷数据进行分组并分析了不同聚类模型的效果。其次,使用得到的聚类分组标签将用户数据分组集成并构建训练数据。然后,基于改进的卷积神经网络构建了卷积神经网络支持向量回归机模型。最后,分组进行负荷预测并将预测结果求和得到地区最终预测月负荷,并与卷积神经网络模型、长短期记忆神经网络模型、决策树模型、支持向量回归机模型进行对比。文中使用扬中市高新区的负荷数据作为算例进行分析,结果表明文中所提方法相较于现有算法具有更高的负荷预测精度和运算效率。

【所属期刊栏目】 电力系统 (2020年06期)
  • 【DOI】10.13335/j.1000-3673.pst.2019.0759
  • 【分类号】TM715
  • 【被引频次】1
  • 【下载频次】781
节点文献中: 

本文链接的文献网络图示:

浏览历史:
下载历史: