基于横纵向集成学习的短期负荷预测方法
Control Engineering of China（2023）
Abstract
为进一步提高预测的准确度和普适能力,并降低组成算法的复杂度,对负荷的固有特性进行横纵向二维化分析,结合误差分布的特点,提出基于横纵向剖析负荷特性的集成预测方法.初级模型采用互信息提取横向特征,通过长短期记忆网络(LSTM)感知负荷波动;采用变分模态分解(VMD)提取纵向特征,通过Elman神经网络预知负荷趋势;然后基于改进的Stacking融合构建横纵向集成学习模型.最后,采用中国东部某地区的负荷数据验证模型的有效性,算例表明改进的Stacking充分融合了横纵向模型的优势并具备强大的学习小样本能力,横纵向集成预测方法有效提高了模型的预测精度和泛化能力.
MoreTranslated text
Key words
Transverse and longitudinal load characteristics,long-short term memory （LSTM） network,variational mode decomposition（VMD）,Elman neural network,improved Stacking integrated model
AI Read Science
Must-Reading Tree
Example
Generate MRT to find the research sequence of this paper
Chat Paper
Summary is being generated by the instructions you defined