• 主题
高级搜索  >
历史搜索 清空历史
首页> 外文会议>International Electrical and Energy Conference >Short-term Power Load Forecasting Method in Rural Areas Based on CNN-LSTM
【24h】

Short-term Power Load Forecasting Method in Rural Areas Based on CNN-LSTM

机译：基于CNN-LSTM的农村短期电力负荷预测方法

获取原文
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

To improve the performance of rural power load forecasting, a new power load forecasting method is proposed. Firstly, basic and statistical features are extracted from historical power load data and numerical weather prediction (NWP) data. Then, t-SNE dimensionality reduction is used to extract main features, and K-means clustering is used to distinguish seasonal features. Secondly, the deep learning network CNN-LSTM (fusion of convolutional neural network and long short-term memory) is designed, and the load prediction models for spring and autumn, summer and winter are trained separately. Finally, use a rural power load in Wuxi, China to predict the power load in the next 24 hours and calculate the error. Experimental results show that the forecasting error of the proposed method is lower than that of LSTM, ARIMA and other prediction models.
机译：为了提高农村电力负荷预测的性能，提出了一种新的电力负荷预测方法。 首先，从历史电力负载数据和数字天气预报（NWP）数据中提取基本和统计特征。 然后，使用T-SNE维数减少来提取主要特征，K-Means聚类用于区分季节性特征。 其次，设计了深度学习网络CNN-LSTM（卷积神经网络和长期内记忆的融合），春季和秋季，夏季和冬季的负载预测模型分别培训。 最后，在中国无锡的农村电力负荷在接下来的24小时内预测电力负荷并计算错误。 实验结果表明，所提出的方法的预测误差低于LSTM，ARIMA和其他预测模型的预测误差。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号