基于添加Dropout层的CNN-LSTM网络短期负荷预测

扫码查看

原文链接

万方数据
维普

中文摘要：精准的短期负荷预测能帮助电力部门制订合理的生产调度计划,达到节省能源消耗的目的.为提升短期负荷预测的准确性,提出一种添加Dropout层的CNN-LSTM网络短期负荷预测方法.首先,根据电力负荷预测流程对预测的影响因素如气象、日期类型等进行相关性验证后构建输入特征向量;其次,使用一维卷积网络对输入的特征向量进行卷积、池化处理,并在LSTM网络全连接层添加Dropout层进行短期负荷预测仿真实验;最后,使用某电网历史数据进行测试.结果表明,相比于单独的LSTM网络,所建模型对短期负荷的预测效果更好.

作者：

王振勋、王大虎

展开 >

作者单位：

河南理工大学电气工程与自动化学院,河南焦作 454003

关键词：

Dropout技术长短期记忆网络卷积网络负荷预测

出版年：

2024

DOI：

10.15913/j.cnki.kjycx.2024.06.007

科技与创新

中国计算机用户协会

科技与创新

ISSN：1008-0570

年,卷(期)：2024.(6)

参考文献量7