期刊导航
期刊开放获取
cqvip
退出
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
1
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于VMD-LSTMQR的滚动母线负荷区间预测
被引量：
4
1
作者
董新伟
卜智龙
+2 位作者
陈鸣慧
鹿文蓬
年珩
《电力工程技术》
北大核心
2021年第6期9-17,共9页
负荷区间预测能够对负荷出力变化进行概率化分析,准确量化不确定性因素对负荷的影响。相较于传统的点预测,区间预测更能直观反映负荷变化趋势,有助于保障电力系统的安全稳定运行。基于此,文中提出一种基于变分模态分解-长短期记忆神经...
负荷区间预测能够对负荷出力变化进行概率化分析,准确量化不确定性因素对负荷的影响。相较于传统的点预测,区间预测更能直观反映负荷变化趋势,有助于保障电力系统的安全稳定运行。基于此,文中提出一种基于变分模态分解-长短期记忆神经网络分位数回归(VMD-LSTMQR)的滚动母线负荷区间预测方法。首先,文中采用VMD将原始母线负荷分解成一系列不同频率特征的子序列;接着,确定不同子序列的最优滚动步长并采用LSTMQR分别对不同子序列进行区间预测;最后,将不同子序列的区间预测进行重构,得到原始母线负荷预测结果。文中利用220 kV和10 kV母线负荷数据验证了所采用的区间预测模型相较于传统区间预测模型在预测精度、区间宽度方面得到明显改善。
展开更多
关键词
母线负荷
区间预测
变分模态分解(VMD)
长短期记忆神经网络分位数回归(
lstmqr
)
滚动模式
分解重构
下载PDF
职称材料
题名
基于VMD-LSTMQR的滚动母线负荷区间预测
被引量：
4
1
作者
董新伟
卜智龙
陈鸣慧
鹿文蓬
年珩
机构
中国矿业大学电气与动力工程学院
浙江大学电气工程学院
出处
《电力工程技术》
北大核心
2021年第6期9-17,共9页
基金
国家自然科学基金资助项目(51977194)。
文摘
负荷区间预测能够对负荷出力变化进行概率化分析,准确量化不确定性因素对负荷的影响。相较于传统的点预测,区间预测更能直观反映负荷变化趋势,有助于保障电力系统的安全稳定运行。基于此,文中提出一种基于变分模态分解-长短期记忆神经网络分位数回归(VMD-LSTMQR)的滚动母线负荷区间预测方法。首先,文中采用VMD将原始母线负荷分解成一系列不同频率特征的子序列;接着,确定不同子序列的最优滚动步长并采用LSTMQR分别对不同子序列进行区间预测;最后,将不同子序列的区间预测进行重构,得到原始母线负荷预测结果。文中利用220 kV和10 kV母线负荷数据验证了所采用的区间预测模型相较于传统区间预测模型在预测精度、区间宽度方面得到明显改善。
关键词
母线负荷
区间预测
变分模态分解(VMD)
长短期记忆神经网络分位数回归(
lstmqr
)
滚动模式
分解重构
Keywords
bus
load
interval
prediction
variational
mode
decomposition(VMD)
long
short
-
term
memory
neural
network
quantile
regression
(
lstmqr
)
rolling
mode
decomposition
and
reconstruction
分类号
TM715 [电气工程—电力系统及自动化]
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于VMD-LSTMQR的滚动母线负荷区间预测
董新伟
卜智龙
陈鸣慧
鹿文蓬
年珩
《电力工程技术》
北大核心
2021
4
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
