基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
短期负荷预测既是电网规划的重要组成部分,也是系统可靠、高效运行的前提和基础.采用EEMD(集合经验模态分解)方法将区域能源互联网历史负荷数据分解成若干分量,再对各个分量分别建立模型,运用LSTM(长短期记忆神经网络)设置对应的隐藏层数,对各个分量分别进行预测,最后叠加预测值得出最终预测结果.将EEMD-LSTM算法与LSTM算法、EMD-LSTM算法以及Elman算法进行比较,结果表明EEMD-LSTM算法在区域能源互联网负荷预测中能够实现较好的预测精度,具有很好的应用前景和推广价值.
推荐文章
基于LSTM模型的短期负荷预测
短期负荷预测
LSTM神经网络
工业用户
深度学习
基于添加Dropout层的CNN-LSTM网络短期负荷预测
Dropout技术
长短期记忆网络
卷积网络
负荷预测
基于LSTM时间递归神经网络的短期电力负荷预测
短期电力负荷预测
LSTM
时间递归
神经网络
基于LASSO和PSO-LSTM的综合能源系统负荷预测
综合能源
负荷预测
LSTM神经网络
LASSO
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于EEMD-LSTM的区域能源短期负荷预测
来源期刊 浙江电力 学科 工学
关键词 短期负荷预测 区域能源 集合经验模态分解 长短期记忆神经网络
年,卷(期) 2020,(4) 所属期刊栏目 电网技术
研究方向 页码范围 29-35
页数 7页 分类号 TM615
字数 3341字 语种 中文
DOI 10.19585/j.zjdl.202004005
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 彭道刚 上海电力大学自动化工程学院 157 1369 20.0 28.0
2 王丹豪 上海电力大学自动化工程学院 3 3 1.0 1.0
3 马梦冬 上海电力大学自动化工程学院 1 0 0.0 0.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (313)
共引文献  (763)
参考文献  (22)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
1989(1)
  • 参考文献(0)
  • 二级参考文献(1)
1991(1)
  • 参考文献(0)
  • 二级参考文献(1)
1992(2)
  • 参考文献(0)
  • 二级参考文献(2)
1993(1)
  • 参考文献(0)
  • 二级参考文献(1)
1995(2)
  • 参考文献(0)
  • 二级参考文献(2)
1996(2)
  • 参考文献(0)
  • 二级参考文献(2)
1997(2)
  • 参考文献(0)
  • 二级参考文献(2)
1998(2)
  • 参考文献(0)
  • 二级参考文献(2)
1999(2)
  • 参考文献(0)
  • 二级参考文献(2)
2000(2)
  • 参考文献(0)
  • 二级参考文献(2)
2001(5)
  • 参考文献(0)
  • 二级参考文献(5)
2002(3)
  • 参考文献(0)
  • 二级参考文献(3)
2003(5)
  • 参考文献(0)
  • 二级参考文献(5)
2004(3)
  • 参考文献(0)
  • 二级参考文献(3)
2005(4)
  • 参考文献(0)
  • 二级参考文献(4)
2006(6)
  • 参考文献(0)
  • 二级参考文献(6)
2007(8)
  • 参考文献(1)
  • 二级参考文献(7)
2008(11)
  • 参考文献(0)
  • 二级参考文献(11)
2009(11)
  • 参考文献(0)
  • 二级参考文献(11)
2010(11)
  • 参考文献(0)
  • 二级参考文献(11)
2011(31)
  • 参考文献(0)
  • 二级参考文献(31)
2012(18)
  • 参考文献(0)
  • 二级参考文献(18)
2013(24)
  • 参考文献(0)
  • 二级参考文献(24)
2014(27)
  • 参考文献(2)
  • 二级参考文献(25)
2015(19)
  • 参考文献(2)
  • 二级参考文献(17)
2016(30)
  • 参考文献(0)
  • 二级参考文献(30)
2017(42)
  • 参考文献(2)
  • 二级参考文献(40)
2018(47)
  • 参考文献(4)
  • 二级参考文献(43)
2019(13)
  • 参考文献(11)
  • 二级参考文献(2)
2020(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
研究主题发展历程
节点文献
短期负荷预测
区域能源
集合经验模态分解
长短期记忆神经网络
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
浙江电力
月刊
1007-1881
33-1080/TM
大16开
杭州朝晖八区华电弄1号
1979
chi
出版文献量(篇)
4305
总下载数(次)
6
总被引数(次)
16531
论文1v1指导