基于CNN和LSTM联合预测并修正的电量缺失数据预测

• 作者: 丁云峰 郭蕴颖
• 来源期刊: 计算机系统应用
• 关键词: 电量缺失数据预测 CNN LSTM 对侧数据
• 年，卷（期）: 2020,（8）
• 所属期刊栏目: 软件技术·算法
• 页码范围: 192-198
• 页数: 7页
• 字数: 6421字
• 语种: 中文
• DOI: 10.15888/j.cnki.csa.007580

摘要

数据是电网调度控制系统稳定运行的关键依据,而因为硬件故障等原因导致数据采集过程中的数据缺失会影响到系统数据的完整性,从而对电网调度的智能性和高效性产生相应的影响.因此,针对缺失数据的准确预测对于智能电网调度系统的建设有着重要的意义.本文针对解决电网领域电能量采集系统的缺失数据预测问题对已有的基于CNN和LSTM联合预测方法进行改进和优化,在联合预测模型基础上添加修正模型,针对不同缺失数据段利用CNN卷积神经网络和电力数据里特有的对侧数据场景建模,实验结果证明该方法将平均绝对误差值降到0.142,提高了现有预测模型的准确率,对电网调度系统的智能性和高效性提供了数据完整性、准确性的保障.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	丁云峰	中国科学院沈阳计算技术研究所	6	26	4.0	5.0
2	郭蕴颖		1	0	0.0	0.0