基于PCA-DBILSTM的多因素短期负荷预测模型
Proceedings of the CSU-EPSA（2020）
摘要
针对传统神经网络在短期负荷预测中预测精度不高、预测时间较长的问题,提出了一种基于主成分分析法和深度双向长短期记忆神经网络的短期负荷预测模型.该模型运用主成分分析法对原始多维输入变量组成的时间序列进行主成分提取,实现原始负荷的降维;然后通过深度双向长短期记忆网络结合Adamax优化算法,对提取的主成分序列和负荷实际输出序列之间的非线性关系建立网络模型.以中国某地区的负荷数据作为实际算例,验证该方法预测精度达到了99.44％,并与传统预测模型进行对比,在保证预测精度的同时,大幅降低了预测时间.
更多AI 理解论文
溯源树
样例
生成溯源树，研究论文发展脉络
Chat Paper
正在生成论文摘要