文献类型：期刊文章

作　　者：伍乙杰[1] 黄文灏[2] 赖仕达[2] 陈光宇[1] 贾鹏[1] 李家兴[1]

Wu Yijie;Huang Wenhao;Lai Shida;Chen Guangyu;Jia Peng;Li Jiaxing(School of Electric Power Engineering,Nanjing Institute of Technology,Nanjing Jiangsu 211167,China;State Grid Fujian Electric Power Co.,Ltd.,Sanming Power Supply Branch,Sanming Fujian 353000,China)

机构地区：[1]南京工程学院电力工程学院,江苏南京211167 [2]国网福建省电力有限公司三明供电公司,福建三明353000

出　　处：《电气自动化》

基　　金：南京工程学院2021年大学生科技创新基金项目(TB202117043)。

年　　份：2022

卷　　号：44

期　　号：5

起止页码：35-37

语　　种：中文

收录情况：ZGKJHX、普通刊

摘　　要：为了充分挖掘电力负荷与多维特征因素的非线性关系,提高负荷预测精度,提出了一种基于随机森林和双向长短期记忆(bidirectional long-short-term memory,Bi-LSTM)网络的超短期负荷预测方法。首先,采用基于随机森林的特征选择算法,筛选与负荷关联性强的特征作为预测模型的输入;其次,构建Bi-LSTM网络,对特征选择后的负荷数据进行预测;最后,采用某市真实负荷数据进行仿真分析。结果表明,所提方法与传统预测方法相比,具有更高的预测精度,为精确预测具有多维特征因素的负荷提供参考。

关 键 词：多维特征  负荷预测 随机森林  双向长短期记忆网络  特征选择  

分 类 号：TM714]