原创力文档- 1、本文档共4页，可阅读全部内容。
- 2、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。
- 3、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
- 5、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
- 6、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。
- 7、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。
- 8、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
查看更多
第卷第期水电能源科学
424Vol.42No.4
年月
20244WaterResourcesandPowerAr.2024
p
:/
DOI10.20040.cnki.1000-7709.2024
j
基于SVM-STL-LSTM的区域短期电力负荷预测研究
1112
,,,
王晨李又轩吴其琦邬蓉蓉
(,;,)
1.广西科技大学自动化学院广西柳州5450062.广西电网有限责任公司电力科学研究院广西南宁530023
:、,
摘要针对区域电力负荷的时间序列数据随机性强预测精度低及单一模型的数据特征提取能力差等问题
()、、()。
提出了一种支持向量机SVMSTL时序分解法长短期记忆神经网络LSTM组合的电力负荷预测模型
,
该模型利用SVM对时间序列的电力负荷数据进行初始预测并通过STL时序分解法对残差序列进行时序分
,,,。
解从而提高残差序列的稳定性减小其随机性最后用LSTM对SVM的预测误差进行修正试验结果证
,
文档评论（0）