马妍,孔汉杰,赵建,郭岩岩,李东阳.基于LSTM深度网络的配变负荷预测及调整研究[J].电工技术,2025(5):40-43
基于LSTM深度网络的配变负荷预测及调整研究
  
DOI：10.19768/j.cnki.dgjs.2025.05.010
中文关键词:  短期负荷预测  模态分解  长短时记忆神经网络  组合模型
英文关键词:
基金项目:
作者单位
马妍 国网河南省电力公司郑州供电公司 
孔汉杰 国网河南省电力公司郑州供电公司 
赵建 国网河南省电力公司郑州供电公司 
郭岩岩 国网河南省电力公司郑州供电公司 
李东阳 国网河南省电力公司郑州供电公司 
摘要点击次数: 48
全文下载次数: 0
中文摘要:
      随着可再生能源，如光伏、风能和太阳能的广泛接入电网，电力公司亟需实施精确的短期负荷预测，以确保电网的稳定运行。采用了数据分解技术来消除负荷数据中的噪声和随机干扰，引入变分模态分解(VMD)算法来将原始负荷序列分解为不同频率的简单子序列。基于这些子序列，提出了一种结合VMD和改进CNN-LSTM的组合预测方法。实例分析表明，VMD-DA-RCLSTM模型的RMSE、MAPE、MAE指标均有所降低，说明所提组合预测模型有助于提高电力负荷预测的准确性。
英文摘要:
      
查看全文  查看/发表评论  下载PDF阅读器