基于变分模态分解的卷积神经网络−双向门控循环单元−多元线性回归多频组合短期电力负荷预测OA北大核心CSTPCD
Multi-Frequency Combination Short-term Power Load Forecasting with Convolutional Neural Networks - Bidirectional Gated Recurrent Unit-Multiple Linear Regression based on Variational Mode Decomposition
为了有效提高电力负荷预测精度,针对电力负荷非线性、非平稳性、时序性的特点,提出了一种卷积神经网络(convolutional?neural?networks,CNN)、双向门控循环单元(bidirectional?gated?recurrent?unit,BiGRU)和多元线性回归(multiple?linear?regression,MLR)混合的多频组合短期电力负荷预测模型.该模型先利用关联度分析得到相似日,并将其负荷组成新的数据序列,同时使…查看全部>>
方娜;李俊晓;陈浩;李新新
湖北工业大学电气与电子工程学院,湖北省 武汉市 430068湖北工业大学电气与电子工程学院,湖北省 武汉市 430068湖北工业大学电气与电子工程学院,湖北省 武汉市 430068湖北工业大学电气与电子工程学院,湖北省 武汉市 430068
信息技术与安全科学
变分模态分解卷积神经网络双向门控循环单元多元线性回归负荷预测
《现代电力》 2022 (4)
441-448,8
评论