基于SVM-STL-LSTM的区域短期电力负荷预测研究

王晨; 李又轩; 吴其琦; 邬蓉蓉

doi:10.20040/j.cnki.1000-7709.2024.20230759

欢迎来到能源电力期刊网！

English Version 期刊登录

您当前的位置：

首页 >

文章列表页 >

基于SVM-STL-LSTM的区域短期电力负荷预测研究

电气工程 | 更新时间：2026-07-09

- 基于SVM-STL-LSTM的区域短期电力负荷预测研究
- 基于SVM-STL-LSTM的区域短期电力负荷预测研究
- 水电能源科学 2024年42卷第4期页码：215-218
- 作者机构：
  
  1. 广西科技大学自动化学院
  2. 广西电网有限责任公司电力科学研究院
- 作者简介：
- 基金信息：
  
  广西自然科学基金项目(2018GXNSFAA050029)
- DOI：10.20040/j.cnki.1000-7709.2024.20230759
  中图分类号： TM715;TP18
- 纸质出版：2024
- 稿件说明：
移动端阅览
王晨, 李又轩, 吴其琦, 等. 基于SVM-STL-LSTM的区域短期电力负荷预测研究[J]. 水电能源科学, 2024,42(4):215-218.

王晨, 李又轩, 吴其琦, et al. 基于SVM-STL-LSTM的区域短期电力负荷预测研究[J]. 2024, 42(4): 215-218.
王晨, 李又轩, 吴其琦, 等. 基于SVM-STL-LSTM的区域短期电力负荷预测研究[J]. 水电能源科学, 2024,42(4):215-218. DOI： 10.20040/j.cnki.1000-7709.2024.20230759.

王晨, 李又轩, 吴其琦, et al. 基于SVM-STL-LSTM的区域短期电力负荷预测研究[J]. 2024, 42(4): 215-218. DOI： 10.20040/j.cnki.1000-7709.2024.20230759.

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(SVM)、STL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。试验结果证明，该方法利用误差修正可有效处理随机性强的数据，有利于预测结果的稳定性，提高预测精度。

Abstract

关键词

Keywords

references

彭海洋,张英敏.基于社会学习多目标粒子群优化的中长期负荷组合预测方法[J].水电能源科学,2023(04).

刘成龙,高旭,曹明.基于VMD和BA优化随机森林的短期负荷预测[J].中国测试,2022(04).

刘沛津,胡冀飞,贺宁,曹进,徐军昶.改进鲸鱼算法优化LSSVM的短期电力负荷预测研究[J].现代电子技术,2021(13).

刘晓悦,魏宇册,马伟宁.基于改进混沌搜索的AMPSO-BP短期负荷预测[J].水电能源科学,2020(04).

孔祥玉,郑锋,鄂志君,曹旌,王鑫.基于深度信念网络的短期负荷预测方法[J].电力系统自动化,2018(05).

Oreshkin Boris N.,Dudek Grzegorz,Pełka Paweł,Turkina Ekaterina.N-BEATS neural network for mid-term electricity load forecasting[J].Applied Energy,2021.

Umberto Amato,Anestis Antoniadis,Italia De Feis,Yannig Goude,Audrey Lagache.Forecasting high resolution electricity demand data with additive models including smooth and jagged components[J].International Journal of Forecasting,2020.

Michel Bessani,Julio A.D. Massignan,Talysson M.O. Santos,João B.A. London,Carlos D. Maciel.Multiple households very short-term load forecasting using bayesian networks[J].Electric Power Systems Research,2020.

浏览量

860

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

基于EEMD-LSTM-Adaboost的土石坝渗压预测模型

提灌泵站事故预防措施策略分析系统研究

基于CFD-BiLSTM的供水管网漏失瞬态压力时空演变机制分析

基于时域融合变换模型的湘江水温预测

基于贝叶斯模型平均的多模型组合径流预报