基于k-Medoids聚类和深度学习的分布式短期负荷预测OACSTPCD
为了获得较高的预测精度,提出一种基于k-Medoids聚类和深度学习的分布式短期负荷预测。基于配电变压器的能耗分布,采用k-Medoids聚类将电力负荷数据集中的数据进行聚类,并构建基于深度神经网络(DNN)和长短期记忆网络(LSTM)的短期负荷预测模型。在拥有1000个变电站数据子集的武汉配电网络系统中进行验证,验证结果表明,所提的kMedoids聚类可以在减少44%训练时间的基础上拟合出单个变压器预测模型的平均参数,且DNN和LSTM预测模型…查看全部>>
杨玺;陈爽;彭子睿;高镇;王安龙
国网湖北省电力有限公司武汉供电公司,湖北武汉430000国网湖北省电力有限公司武汉供电公司,湖北武汉430000国网湖北省电力有限公司武汉供电公司,湖北武汉430000国网湖北省电力有限公司武汉供电公司,湖北武汉430000国网湖北省电力有限公司武汉供电公司,湖北武汉430000
计算机与自动化
短期负荷预测k-Medoids聚类深度学习深度神经网络长短期记忆网络
《微型电脑应用》 2024 (1)
P.80-83,4
国网湖北省电力有限公司科技项目(521527180011)。
评论