基于多模型融合的CNN-LSTM-XGBoost短期电力负荷预测方法

来源 :中国电力 | 被引量 : 0次 | 上传用户：xsnxj111

【摘要】

：

短期电力负荷的精准预测可以有效指导机组组合调度、经济调度与电力市场运营。针对输入数据特征量受限时负荷预测的低精度问题,提出一种基于多模型融合的CNN-LSTM-XGBoost短

【作者】

：

庄家懿杨国华郑豪丰张鸿皓

【机构】

：

宁夏大学物理与电子电气工程学院,宁夏电力能源安全重点实验室

【出处】

：

中国电力

【发表日期】

：

2021年5期

【关键词】

：

短期负荷预测局部特征预提取 LSTM XGBoost 多模型融合

【基金项目】

：

国家自然科学基金资助项目(61763040，71263043)

下载到本地 , 更方便阅读

下载此文赞助VIP

声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架

论文部分内容阅读

短期电力负荷的精准预测可以有效指导机组组合调度、经济调度与电力市场运营。针对输入数据特征量受限时负荷预测的低精度问题,提出一种基于多模型融合的CNN-LSTM-XGBoost短期电力负荷预测方法。通过建立融合局部特征预提取模块的LSTM(long short term memory)网络结构,并将其与XGBoost(eXtreme boosting system)预测模型并行结合,之后结合MAPE-RW(mean absolute percentage error-reciprocal weight)算法

其他文献

特深水位钻探施工措施

以寿阳地区钻探施工为例，简单介绍了深水位、特深水位地区水文水井钻探施工中的钻探工艺和钻孔结构适应性设计、施工中主要技术措施，以及钻机的适应性改造等。

期刊

钻探施工钻机改造钻探工艺特深水位泥浆

多源异构数据融合驱动的股票指数预测研究

现代信息技术的广泛应用使得资本市场投资者能够获得更及时、更有价值的信息，也更容易受到金融论坛、专业投资网站的影响。融合资本市场的多源异构数据对股票指数进行预测成为

期刊

股票预测交易数据情感分析长短期神经网络卷积神经网络

基于LSTM神经网络的股票价格预测研究

基于LSTM神经网络模型进行股票价格的预测研究。利用开市以来的七千多条上证综合指数数据,使用长短期记忆(LSTM)神经网络模型对上证综合指数进行预测分析,并将其预测结果与使

期刊