基于CEEMDAN-CNN-GRU组合模型的短期负荷预测方法OA北大核心CSTPCD
Short-term load forecasting based on CEEMDAN-CNN-GRU combined model
负荷数据的高度随机性和不确定性,导致短期负荷预测的精度很难提升.为了提高短期负荷预测的准确度,提出了一种基于完全自适应噪声集合经验模态分解(CEEMDAN)与卷积神经网络(CNN)和门控循环单元(GRU)组合模型的短期负荷预测方法.首先,利用CEEMDAN模型将复杂的原始负荷序列分解为几个相对简单的子序列;其次,利用卷积神经网络(CNN)和门控循环单元(GRU)建立各分量预测模型,将归一化后的分量输入训练模型,得到预测子序列;最后,将所有分量的结…查看全部>>
万磊;余飞;鲁统伟;姚婧
国网湖北省电力有限公司,湖北武汉 430077国网湖北省电力有限公司,湖北武汉 430077武汉工程大学计算机科学与工程学院人工智能学院,湖北武汉 430073武汉大学计算机学院,湖北武汉 430072
信息技术与安全科学
数据处理卷积神经网络互补集合模态分解门控循环单元负荷预测电力系统
《河北科技大学学报》 2022 (2)
面向低照度视频侦查的三元光谱行人感知追踪关键技术研究
154-161,8
国家自然科学基金(62071338)国家重点研发计划(2017YFC0803703)湖北省电力科技项目(XM012015050)湖北省教育厅重点项目(D20181504)
评论