| 注册
首页|期刊导航|电力系统保护与控制|基于改进迁移学习和多尺度CNN-BiLSTM-Attention的短期电力负荷预测方法

基于改进迁移学习和多尺度CNN-BiLSTM-Attention的短期电力负荷预测方法

欧阳福莲 王俊 周杭霞

电力系统保护与控制2023,Vol.51Issue(2):132-140,9.
电力系统保护与控制2023,Vol.51Issue(2):132-140,9.DOI:10.19783/j.cnki.pspc.220422

基于改进迁移学习和多尺度CNN-BiLSTM-Attention的短期电力负荷预测方法

Short-term power load forecasting method based on improved hierarchical transfer learning and multi-scale CNN-BiLSTM-Attention

欧阳福莲 1王俊 1周杭霞1

作者信息

  • 1. 中国计量大学信息工程学院,浙江杭州 310018
  • 折叠

摘要

关键词

负荷预测/卷积神经网络/双向长短期记忆网络/注意力机制/迁移学习

引用本文复制引用

欧阳福莲,王俊,周杭霞..基于改进迁移学习和多尺度CNN-BiLSTM-Attention的短期电力负荷预测方法[J].电力系统保护与控制,2023,51(2):132-140,9.

基金项目

浙江省基础公益研究计划项目资助(LGG22E070003) (LGG22E070003)

电力系统保护与控制

OA北大核心CSCDCSTPCD

1674-3415

访问量0
|
下载量0
段落导航相关论文