电力负荷预测

作品数：1639被引量：7366H指数：41
导出分析报告
相关领域：电气工程自动化与计算机技术更多>>
相关作者：牛东晓张淑清顾洁田丽邢棉更多>>
相关机构：华北电力大学国家电网有限公司国家电网公司浙江大学更多>>
相关期刊：更多>>
相关基金：国家自然科学基金国家教育部博士点基金河北省自然科学基金中央高校基本科研业务费专项资金更多>>
-
在结果中检索

检索结果分析

结果分析中...
选择条件：
  • 期刊=电子设计工程x
共 条 记 录，以下是1-10
全选清除导出
参考文献引证文献引用追踪
视图：
排序：
面向电力需求分析的多源数据处理算法设计
《电子设计工程》2025年第5期147-151,共5页凌荣光 许巍 严若婧 王妍 梁玉洁 
针对电力需求端复杂度提高所带来的电力负荷预测精度差的问题,文中基于电力系统数供平台的多源数据提出了一种面向电力需求分析的负荷预测算法,以此辅助提高电网的运行控制水平。该算法利用SVM算法提取输入数据特征,对于SVM算法参数较...
关键词：多源数据分析 电力负荷预测 支持向量机 灰狼优化算法 LightGBM 集成学习框架 
基于VMD和优化组合模型的电力负荷预测方法研究
《电子设计工程》2025年第5期8-12,17,共6页陈曦 张玲华 
国家自然科学基金资助项目(62371253)。
针对负荷数据随机性、非平稳性对电力系统安全运行带来的挑战,为提高短期电力负荷预测的精度,提出基于变分模态分解(VMD)和改进的白鲸优化算法(TLBWO)优化组合模型的短期电力负荷预测方法。利用VMD将原始负荷序列分解为不同频率的子模...
关键词：负荷预测 变分模态分解 卷积神经网络 长短期记忆网络 白鲸优化 
基于SCI-MN-SE模型的电力负荷预测方法
《电子设计工程》2025年第2期22-27,共6页李林骏 魏延 李雪 谢渝 
重庆市技术创新与应用发展专项重点项目(cstc2019jscx-mbdxX0061)。
针对现有电力负荷预测方法对时间序列信息的提取效率较低、预测精度不高等问题,提出了一种基于样本卷积与交互网络(SCINet)和多层感知机(MLP)的电力负荷预测模型(SCI-MN-SE)。使用SCINet在不同时间分辨率下对负荷数据进行特征提取,从而...
关键词：电力负荷预测 多层感知机 样本卷积与交互 通道注意力 
基于改进LSTM的电力调度数据预测模型设计与仿真
《电子设计工程》2024年第19期173-177,共5页曹帅 李晓君 贺成铭 程方亮 吴鑫 
为了提高新型电力系统下负荷数据的预测精度,文中对基于融合信息的深度学习网络展开了研究。通过将电力负荷的预测抽象为时间序列处理问题,并以长短期记忆单元(LSTM)替代传统的神经元结构,进而提升了网络的记忆能力和长序列处理能力。...
关键词：深度学习 融合信息 电力负荷预测 改进LSTM Attention机制 
基于SSA-PSO-GRU的短期电力负荷预测
《电子设计工程》2024年第12期54-59,共6页阚超 劭文锋 
为了提升短期电力负荷预测的精度,该文提出一种基于SSA-PSO-GRU的短期电力负荷预测方法。针对电负荷的非线性和不确定性问题,该文采用奇异谱分析对实测的电力负荷进行分解,把复杂度高、波动性较强的电力负荷分解成若干平稳性好、可预测...
关键词：电力负荷预测 奇异谱分析 粒子群优化 门控循环单元 
基于超参数优化的电力负荷预测模型研究被引量：3
《电子设计工程》2024年第4期37-42,共6页张宜祥 张玲华 
太阳能高效利用及储能运行控制湖北省重点实验室开放基金(HBSEES202113)。
电力负荷数据的多样性与复杂性,会导致负荷预测过程中出现超参数难以确定、拟合效果较差和预测精度不高等问题。针对以上问题,提出一种基于樽海鞘群算法的融入注意力机制的双向长短期记忆神经网络模型——SSA-AM-BiLSTM模型。该模型使用...
关键词：负荷预测 超参数 双向长短期记忆网络 注意力机制 樽海鞘群算法 
基于时间序列组合模型的电力负荷预测被引量：4
《电子设计工程》2023年第23期1-6,共6页徐帅 刘丹丹 
国家自然科学基金资助项目(62105196)。
针对传统电力负荷数据非稳定、非线性的特性导致预测精度不高的问题,提出一种基于数据模态分解与CNN-BiLSTM相结合的负荷预测模型。利用自适应噪声完备集合经验模态分解算法(CEEMDAN)对原时间序列负荷数据进行分解,分解成多个稳定的本...
关键词：电力负荷预测 时间序列 数据模态分解 卷积神经网络 双向长短期记忆网络 
基于改进LSTM的电力负荷预测与成本感知优化策略研究被引量：7
《电子设计工程》2023年第21期132-136,共5页张泽龙 韦冬妮 唐梦媛 纪强 杨燕 
国网宁夏电力企业智库建设方法研究项目(B007-300009250-00014)。
针对企业用电负荷预测计算复杂且准确度较低的问题,提出了一种基于改进粒子群算法(IPSO)与随差遗忘长短期记忆时间网络(EFFG-LSTM)的电力负荷预测与成本感知优化方法。该模型针对传统LSTM模型超参数随机选取的缺陷,利用IPSO算法实现了...
关键词：长短期记忆网络 负荷预测 粒子群算法 成本感知 
基于孤立森林和GRU-CNN-Attention的超短期电力负荷预测被引量：5
《电子设计工程》2023年第20期140-144,149,共6页陈雷 刘林虎 闫川川 孙艳镯 于凯 周超 
黑龙江省属高等学校基本科研任务费项目(2018QNQ-07);秦皇岛市科技局科学技术研究与发展计划项目(201902A016)。
针对目前超短期负荷预测存在的速度慢、精度低等问题,在广泛应用的门控循环单元(GRU)神经网络预测方法的基础上加入卷积神经网络(CNN)和注意力(Attention)机制模型。使用孤立森林算法筛选出不良负荷数据,将负荷数据通过GRU神经网络按时...
关键词：超短期负荷预测 孤立森林 门控循环单元 卷积神经网络 注意力机制 
基于PSO-RBF的短期电力负荷预测模型被引量：4
《电子设计工程》2023年第14期127-131,136,共6页赵茂胜 段嘉琪 肖政杰 
精确的短期负荷预测对电网经济运行至关重要。为了提高电力系统负荷的预测精度,提出一种基于相似日和PSO优化RBF神经网络的短期负荷预测方法。该方法以RBF神经网络为短期电力负荷预测的基础算法,结合灰色关联分析法、K-means算法,通过DB...
关键词：灰色关联分析 K-MEANS 粒子群算法 RBF神经网络 短期电力负荷预测 
全选清除导出
共2页<12>
检索报告 对象比较 聚类工具 使用帮助 返回顶部