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
共找到8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：
新型电力AMI系统中基于Neural Prophet模型的电力负荷预测与修补研究 被引量：8
1
作者 俞胜 黄福兴 +2 位作者 冯艳丽 叶天地 袁培森 《智慧电力》 北大核心 2023年第5期44-50,共7页
针对新型电力系统高级量测体系(AMI)系统中电力负荷异常值与空值的修补问题,提出一种基于Neural Prophet模型的电力负荷预测方法,用预测值修补AMI系统中出现的负荷异常值与空值。通过Neural Prophet模型的趋势模块、季节性模块、自回归... 针对新型电力系统高级量测体系(AMI)系统中电力负荷异常值与空值的修补问题,提出一种基于Neural Prophet模型的电力负荷预测方法,用预测值修补AMI系统中出现的负荷异常值与空值。通过Neural Prophet模型的趋势模块、季节性模块、自回归模块3个模块组合进行电力负荷精准预测,可解决AMI系统的负荷数据修补问题。在电力负荷数据集上进行实验,结果表明所提方法与负荷预测经典算法相比具有较优的准确性且具有参数可解释的优势。所提方法可对AMI系统中有问题的电力负荷异常数据进行有效修改,对缺失的电力负荷数据进行填补。 展开更多
关键词 新型电力系统 AMI系统 数据修补 Neuralprophet 电力负荷预测 电力负荷修补
下载PDF
基于Prophet算法的配电网线路峰值负荷预测 被引量：5
2
作者 李衡 朱理 +1 位作者 郑洁 刘海琼 《浙江电力》 2022年第3期20-26,共7页
对配电网线路进行负荷峰值预测,准确预测将出现重过载的线路,能为配电网制定供电计划提供重要参考。分析配电网线路历史负荷受节假日、季节影响的变化规律,提出基于Prophet的配电网线路峰值负荷预测方法,对每条线路单独建立Prophet模型... 对配电网线路进行负荷峰值预测,准确预测将出现重过载的线路,能为配电网制定供电计划提供重要参考。分析配电网线路历史负荷受节假日、季节影响的变化规律,提出基于Prophet的配电网线路峰值负荷预测方法,对每条线路单独建立Prophet模型,模型以历史日峰值负荷数据为输入数据,且通过自适调参方法对模型的变点增长率及变点个数参数进行调优,最后对实际数据进行算例分析,验证了该方法可准确实现配电网线路峰值负荷预测。 展开更多
关键词 负荷预测 prophet 电力峰值负荷 配电网
下载PDF
基于Prophet算法和Blending集成学习的实时负荷中期预测
3
作者 郇嘉嘉 李代猛 +6 位作者 杜云飞 沈欣炜 张璇 乔百豪 何春庚 蓝晓东 罗澍忻 《电力自动化设备》 EI CSCD 北大核心 2024年第4期178-183,共6页
目前的中期负荷预测一般未考虑负荷实时状态,而负荷数据的非线性、季节性、随机性、时序性特征将影响实时负荷的中期预测。构建一个实时负荷中期预测的框架,采用Prophet算法提取负荷数据的季节性部分,采用Blending集成学习对负荷数据的... 目前的中期负荷预测一般未考虑负荷实时状态,而负荷数据的非线性、季节性、随机性、时序性特征将影响实时负荷的中期预测。构建一个实时负荷中期预测的框架,采用Prophet算法提取负荷数据的季节性部分,采用Blending集成学习对负荷数据的非季节部分进行滚动预测,将季节性部分和非季节性部分合成中期负荷实时数据。爱尔兰电力系统的算例结果验证了模型的有效性和稳定性。 展开更多
关键词 负荷预测 prophet算法 Blending集成学习 季节性
下载PDF
基于变分模态分解的综合能源系统短期电负荷预测
4
作者 苏子越 柴琳 +1 位作者 谢亮 肖凡 《热力发电》 CAS CSCD 北大核心 2024年第12期21-28,共8页
针对综合能源系统负荷复杂多变、耦合性强的特点,提出一种基于变分模态分解(variational modedecomposition,VMD)、Prophet模型、长短时记忆(long-andshort-termmemory network,LSTM)神经网络、差分自回归移动平均(autoregressive integ... 针对综合能源系统负荷复杂多变、耦合性强的特点,提出一种基于变分模态分解(variational modedecomposition,VMD)、Prophet模型、长短时记忆(long-andshort-termmemory network,LSTM)神经网络、差分自回归移动平均(autoregressive integrated moving average,ARIMA)模型的Prophet-VAL组合预测模型,用于综合能源系统短期电负荷预测。首先,通过VMD获取不同中心频率和较为稳定的电负荷本征模态函数;接着,根据过零率值的大小将不同模态分量分成高频和低频时序分量,并使用Prophet模型将高频分量进行时序特征提取;最后,通过ARIMA预测模型对低频分量进行预测,使用LSTM神经网络模型对高频分量进行预测,将各自的预测结果进行叠加得到最终的电负荷预测结果。将所提方法应用于实际综合能源系统,实际算例分析表明,所提出的组合预测模型预测性能良好。 展开更多
关键词 综合能源系统 负荷预测 变分模态分解 LSTM神经网络 prophet模型
下载PDF
基于K-means与Prophet混合模型的工业用户节电潜力研究
5
作者 严靖 杨帮华 欧阳玉兰 《电气开关》 2023年第3期39-44,共6页
大型耗能工业用户在生产过程中用电量大,具有丰富的节电空间,目前亟需对相关用户的电力负荷开展特性分析及用电成本研究。以某地区重要的耗能工业用户为研究对象,基于K-means聚类算法、Prophet负荷预测和数据可视化理论,结合该地区用户... 大型耗能工业用户在生产过程中用电量大,具有丰富的节电空间,目前亟需对相关用户的电力负荷开展特性分析及用电成本研究。以某地区重要的耗能工业用户为研究对象,基于K-means聚类算法、Prophet负荷预测和数据可视化理论,结合该地区用户负荷数据作为算例验证,开展用户负荷特性分析及预测研究,并深度挖掘不同行业用户的节电空间潜力。 展开更多
关键词 K-MEANS聚类算法 prophet负荷预测 可视化热力图 电价政策 节电空间
下载PDF
基于Prophet-LSTM组合模型的短期负荷预测方法 被引量：21
6
作者 彭湃 刘敏 《电力系统及其自动化学报》 CSCD 北大核心 2021年第11期15-20,共6页
针对短期负荷预测精度问题,提出一种基于Prophet加法模型和长短期记忆LSTM(long-short termmemory)网络的组合模型的短期负荷预测方法。首先分别建立Prophet预测模型和LSTM预测模型,然后采用最小二乘法对两种方法取不同的权重组合,得到... 针对短期负荷预测精度问题,提出一种基于Prophet加法模型和长短期记忆LSTM(long-short termmemory)网络的组合模型的短期负荷预测方法。首先分别建立Prophet预测模型和LSTM预测模型,然后采用最小二乘法对两种方法取不同的权重组合,得到新的模型并进行预测。以2014年全球能源预测竞赛(GEFCom2014)的电力负荷数据作为算例验证。实验结果表明,与ARIMA模型预测方法、随机森林模型负荷预测模型方法和标准Prophet和LSTM负荷预测方法相比,所提负荷预测方法所得结果具有更高的预测精度。 展开更多
关键词 prophet 神经网络 最小二乘法 短期负荷预测
下载PDF
基于Prophet-XGBoost组合模型的极端温度事件下负荷预测
7
作者 施骞 陈汉驰 《价值工程》 2024年第11期1-4,共4页
气候变化对城市的影响日益加剧,频发的极端温度事件导致城市电力系统供需不平衡问题凸显,精确的需求侧电力负荷预测成为提升电力系统适应性从而支持城市功能稳定性的关键。本文开发了一种适用于极端温度事件下负荷预测的组合模型,结合... 气候变化对城市的影响日益加剧,频发的极端温度事件导致城市电力系统供需不平衡问题凸显,精确的需求侧电力负荷预测成为提升电力系统适应性从而支持城市功能稳定性的关键。本文开发了一种适用于极端温度事件下负荷预测的组合模型,结合时间序列模型Prophet和机器学习模型XGBoost,有效表征极端温度影响下的电力负荷波动趋势。实验结果表明,相比传统单一模型,组合模型显著提高了极端温度事件下的电力负荷预测精度,在增强城市电力系统对气候变化适应性方面具有较强的有效性,从而为电力调度等电力系统应急管理工作提供了更可靠的支持。 展开更多
关键词 极端温度 电力负荷预测 prophet模型 XGBoost模型
下载PDF
基于改进Prophet算法的短期日负荷预测方法研究 被引量：4
8
作者 刘涅煊 杨学良 +2 位作者 陶晓峰 黄福兴 陆春艳 《电力需求侧管理》 2022年第5期58-63,共6页
将Prophet算法引入负荷预测领域,并结合XGBoost算法提升Prophet负荷预测准确性。Prophet算法基于时间序列分解及机器学习的拟合,将负荷数据分解为趋势项、周期项、随机波动项3部分,引入XGBoost算法改进Prophet算法对随机波动项的预测,将... 将Prophet算法引入负荷预测领域,并结合XGBoost算法提升Prophet负荷预测准确性。Prophet算法基于时间序列分解及机器学习的拟合,将负荷数据分解为趋势项、周期项、随机波动项3部分,引入XGBoost算法改进Prophet算法对随机波动项的预测,将XGBoost算法对随机波动的预测结果与Prophet算法对趋势项和周期项的预测结果叠加,获得最终的预测结果。该算法适用于用电负荷这种具备一定周期变化特征的序列,易于理解,预测准确性较高。通过某地区用电信息采集系统提供的专公变用户日冻结数据实验验证,结果表明在相同条件下,改进后的算法预测的结果的平均绝对误差百分比较原始的Prophet算法可降低2.5%,同时均方根误差降低幅度可达30.79%,体现出显著的改进效果。 展开更多
关键词 短期负荷预测 可分解模型 预测精度 prophet XGBoost
下载PDF
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
使用帮助 返回顶部