电网技术

2020, v.44;No.439(06) 2237-2244

[打印本页] [关闭]
本期目录(Current Issue) | 过刊浏览(Past Issue) | 高级检索(Advanced Search)

利用卷积神经网络支持向量回归机的地区负荷聚类集成预测
Regional Load Clustering Integration Forecasting Based on Convolutional Neural Network Support Vector Regression Machine

沈兆轩;袁三男;

摘要(Abstract):

为提高地区负荷预测的运算效率和预测精度,提出了一种基于卷积神经网络支持向量回归机的地区负荷聚类集成预测方法。首先,通过聚类模型对地区内大量用户的真实负荷数据进行分组并分析了不同聚类模型的效果。其次,使用得到的聚类分组标签将用户数据分组集成并构建训练数据。然后,基于改进的卷积神经网络构建了卷积神经网络支持向量回归机模型。最后,分组进行负荷预测并将预测结果求和得到地区最终预测月负荷,并与卷积神经网络模型、长短期记忆神经网络模型、决策树模型、支持向量回归机模型进行对比。文中使用扬中市高新区的负荷数据作为算例进行分析,结果表明文中所提方法相较于现有算法具有更高的负荷预测精度和运算效率。

关键词(KeyWords): 负荷预测;卷积神经网络;支持向量回归机;聚类

Abstract:

Keywords:

基金项目(Foundation):

作者(Author): 沈兆轩;袁三男;

Email:

DOI: 10.13335/j.1000-3673.pst.2019.0759

参考文献(References):

扩展功能
本文信息
服务与反馈
本文关键词相关文章
本文作者相关文章
中国知网
分享