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=电网技术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：
基于N-BEATS与辅助编码器的短期电力负荷预测被引量：2
《电网技术》2024年第4期1612-1621,共10页范茜茜 王国强 罗贺 台建玮 
国家自然科学基金项目(72271076,71971075)。
短期电力负荷预测的准确性对智能电网平稳高效运行具有重要意义,但多种因素影响下的负荷数据具有较强的非平稳性与随机波动性,使得高精度的短期电力负荷预测面临挑战。为充分挖掘负荷序列中的趋势特征与周期性特征,准确提取与电力负荷...
关键词：短期电力负荷预测 神经基扩展分析 多头注意力机制 特征融合 深度学习 
基于深度混合储备池计算模型的短期电力负荷预测被引量：10
《电网技术》2022年第12期4751-4761,共11页张明辉 周亚同 孔晓然 
京津冀基础研究合作专项(H2021202008,J210008);内蒙古自治区纪检监察大数据实验室开放课题(IMDBD202105);河北省博士在读研究生创新能力培养项目(CXZZBS2022040)。
有效的短期电力负荷预测模型有利于保障电力系统稳定且高效地运行。为此,首先提出了一种具有相邻反馈的混合回声状态网络(hybrid echo state network with adjacent-feedback loop reservoir,HALR)模型,用以避免传统浅层模型使用单一类...
关键词：深度信念网络 储备池计算 短期电力负荷预测 短期记忆能力 
基于FPA-VMD和BiLSTM神经网络的新型两阶段短期电力负荷预测被引量：56
《电网技术》2022年第8期3269-3279,共11页张淑清 李君 姜安琦 黄娇 刘海涛 艾洪克 
国家重点研发计划项目(2021YFB3201600);国家自然科学基金项目(51875498);河北省自然科学基金项目(F2020203058)。
短期电力负荷预测有助于维持发电端和用电端的动态平衡,保障电力系统稳定且高效地运行。分布式能源的大规模并网以及气象和节假日等短期因素的影响,使得负荷序列呈现明显的波动性和非线性。为此,该文提出基于花授粉算法(flower pollinat...
关键词：短期电力负荷预测 变分模态分解 花授粉算法 双向长短时记忆神经网络 误差纠正 
用于短期电力负荷预测的日负荷特性分类及特征集重构策略被引量：33
《电网技术》2022年第4期1548-1556,共9页徐先峰 赵依 刘状壮 李陇杰 卢勇 
陕西省重点研发计划(2021GY-098)。
准确的负荷预测是电力系统安全稳定运行的重要保障。当充分考虑多因素影响,海量输入数据的前端预处理与变量遴选对提高负荷预测精度至关重要。针对传统时间变量信息模糊、维数冗余问题,引入基于余弦相似度的k-means聚类分析技术实现日...
关键词：短期电力负荷预测 时间卷积网络 聚类分析 特征筛选 最大信息系数 
基于VMD-WSGRU的风电场发电功率中短期及短期预测被引量：35
《电网技术》2022年第3期897-904,共8页盛四清 金航 刘长荣 
针对风电功率随机性较强、时序关联难以建模的问题,构建了变分模式分解(variational mode decomposition,VMD)与权值共享门控循环单元(weight sharing gate recurrent unit,WSGRU)组合而成的VMD-WSGRU预测模型。模型首先应用变分模式分...
关键词：变分模态分解 短期电力负荷预测 深度学习 GRU神经网络 
基于CNN-Bi LSTM的短期电力负荷预测被引量：96
《电网技术》2021年第11期4532-4539,共8页朱凌建 荀子涵 王裕鑫 崔强 陈文义 娄俊超 
陕西省重点研发计划(2020ZDLGY10-04)。
短期电力负荷预测能准确评估地区整体电力负荷变化情况,为电力系统运行决策提供准确参考。电力负荷参数受多维因素影响,为充分挖掘电力负荷数据中的时序特征,提升电力负荷预测精度,该文提出一种基于特征筛选的卷积神经网络—双向长短期...
关键词：短期电力负荷预测 卷积神经网络 双向长短时记忆神经网络 特征筛选 梯度增强基线模型 
基于聚类经验模态分解的CNN-LSTM超短期电力负荷预测被引量：97
《电网技术》2021年第11期4444-4451,共8页刘亚珲 赵倩 
为了减少复杂环境因素对电力负荷超短期预测效果的影响,提高算法的预测精度和运算效率,该文提出一种基于聚类经验模态分解(clusterempiricalmodedecomposition,CEMD)的卷积神经网络和长短期记忆网络(convolutional neural network and l...
关键词：超短期负荷预测 聚类经验模态分解 卷积神经网络 长短期记忆网络 
基于差分分解和误差补偿的短期电力负荷预测方法被引量：25
《电网技术》2021年第7期2560-2568,共9页王增平 赵兵 贾欣 高欣 李晓兵 
国家重点研发计划项目(2016YFF0201201)。
基于序列分解的方法能够提高短期电力负荷预测精度,但会带来误差的积累。同时,现有方法忽略了历史预测误差与当前预测结果的相关关系。提出了一种基于差分分解和误差补偿的短期电力负荷预测方法(differential decomposition-error compe...
关键词：短期电力负荷预测 门控循环单元 一阶差分分解 误差补偿 
基于实时电价和加权灰色关联投影的SVM电力负荷预测被引量：77
《电网技术》2020年第4期1325-1332,共8页赵佩 代业明 
国家自然科学基金项目(71571108);中国博士后科学基金项目(2016M602104);青岛市博士后应用研究项目(2016033)。
精准的电力负荷预测有助于保障电力系统的安全调度和稳定运行,支持向量机作为一种良好的预测工具被广泛应用于电力负荷预测。随着智能电网的快速发展,实时电价成为电力负荷的重要影响因素,因此在应用支持向量机进行电力负荷预测时,引入...
关键词：电力负荷预测 支持向量机 实时电价 加权灰色关联投影算法 
基于随机分布式嵌入框架及BP神经网络的超短期电力负荷预测被引量：67
《电网技术》2020年第2期437-445,共9页李国庆 刘钊 金国彬 权然 
国家重点研发计划项目(2018YFB0904700).
电力系统超短期负荷预测易受到气象、假日等多种因素共同作用的影响,因此,实现其精准预测较为困难。为提高预测精度,往往需要大量的历史数据进行训练。针对历史数据较少的新建初期电力系统,提出了一种基于随机分布式嵌入框架及BP神经网...
关键词：超短期负荷预测 随机分布式嵌入框架 BP神经网络 非线性动力系统 短期数据 
全选清除导出
共4页<1234>
检索报告 对象比较 聚类工具 使用帮助 返回顶部