一种基于CNN-BiLSTM-AE短期电力负荷预测方法.pdfVIP

下载本文档

4
0
约9.91千字
约 10页
2023-10-25 发布于四川
举报
版权申诉

一种基于CNN-BiLSTM-AE短期电力负荷预测方法.pdf

1、本文档内容版权归属内容提供方，所产生的收益全部归内容提供方所有。如果您对本文有版权争议，可选择认领，认领后既往收益都归您。。
2、本文档由用户上传，本站不保证质量和数量令人满意，可能有诸多瑕疵，付费之前，请仔细先通过免费阅读内容等途径辨别内容交易风险。如存在严重挂羊头卖狗肉之情形，可联系本站下载客服投诉处理。
3、文档侵权举报电话：400-050-0827(电话支持时间：9:00-18:30)。
4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
7、VIP文档为合作方或网友上传，每下载1次，网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档

本申请涉及一种基于组合深度学习模型的短期负荷预测方法和系统。在本文中，我们开发了一个短期电力负荷预测模型，并利用澳大利亚某地区真实负荷数据集对其进行了评估。首先，对输入数据进行预处理，以删除缺失、冗余和离群值。接下来，我们应用不同的归一化技术来更好地表示输入数据，从而产生一个有效的模型。进一步，我们开发了一种新的模型CNN‑BiLSTM‑AE。该模型对比三个预测模块：CNN，BiLSTM‑AE和FC。首先，使用两个CNN层从数据集中的几个变量中提取信息，然后将信息输入BiLSTM‑AE，BiLS

(19)国家知识产权局 (12)发明专利申请 (10)申请公布号 CN 116937534 A (43)申请公布日 2023.10.24 (21)申请号 202210327677.0 G06N 3/0985 (2023.01) (22)申请日 2022.03