文档名：基于天气分类和卷积神经网络的短期负荷预测方法
摘要：为减少天气因素对短期电力负荷预测效果的影响,提高模型的预测精度,提出了一种基于天气分类和卷积神经网络的短期负荷预测模型.首先通过天气类型初分将原始数据样本集划分为晴天、阴天、多云和雨天4种类型.其次,为了识别相似气象条件,运用相关系数和k均值聚类方法,找到对新型负荷出力影响最大的气象因素,并对其聚类,选取高相似度的数据样本.之后根据特征选择的结果,构造神经网络输入数据集.最后,将该数据集输入至卷积神经网络训练并预测.通过算例验证分析所提模型具有更高的预测精度.
作者：戴明明 王康 李强 石炬烽 邓亚伟 张荣荣 刘蓉晖 孙改平 Author：DAIMingming WANGKang LIQiang SHIJufeng DENGYawei ZHANGRongrong LIURonghui SUNGaiping
作者单位：国网安徽省电力有限公司亳州供电公司,安徽亳州236800上海电力大学电气工程学院,上海200082
刊名：电力需求侧管理 ISTIC
Journal：PowerDemandSideManagement
年，卷(期)：2023, 25(3)
分类号：TM714TK018
关键词：新型电力负荷 天气分类 特征选择 卷积神经网络 短期预测
机标分类号：
在线出版日期：2023年5月31日
基金项目：国网安徽省电力有限公司科技项目基于天气分类和卷积神经网络的短期负荷预测方法[
期刊论文] 电力需求侧管理--2023, 25(3)戴明明 王康 李强 石炬烽 邓亚伟 张荣荣 刘蓉晖 孙改平为减少天气因素对短期电力负荷预测效果的影响,提高模型的预测精度,提出了一种基于天气分类和卷积神经网络的短期负荷预测模型.首先通过天气类型初分将原始数据样本集划分为晴天、阴天、多云和雨天4种类型.其次,为了识别相...参考文献和引证文献
参考文献
引证文献
本文读者也读过
相似文献
相关博文
基于天气分类和卷积神经网络的短期负荷预测方法 Short-term load forecasting method based on weather classification and convolutional neural network
基于天气分类和卷积神经网络的短期负荷预测方法.pdf
- 文件大小:
- 3.92 MB
- 下载次数:
- 60
-
高速下载
|
|
