电力工业论文_基于CNN-BiLSTM的短期电力负荷 -电力系统保护与控制杂志社投稿

一、本刊要求作者有严谨的学风和朴实的文风，提倡互相尊重和自由讨论。凡采用他人学说，必须加注说明。二、不要超过10000字为宜，精粹的短篇，尤为欢迎。三、请作者将稿件（用WORD格式）发送到下面给出的征文信箱中。四、凡来稿请作者自留底稿，恕不退稿。五、为规范排版，请作者在上传修改稿时严格按以下要求： 1．论文要求有题名、摘要、关键词、作者姓名、作者工作单位（名称，省市邮编）等内容一份。 2．基金项目和作者简介按下列格式：基金项目：项目名称（编号）作者简介：姓名（出生年－），性别，民族（汉族可省略），籍贯，职称，学位，研究方向。 3．文章一般有引言部分和正文部分，正文部分用阿拉伯数字分级编号法，一般用两级。插图下方应注明图序和图名。表格应采用三线表，表格上方应注明表序和表名。 4．参考文献列出的一般应限于作者直接阅读过的、最主要的、发表在正式出版物上的文献。其他相关注释可用脚注在当页标注。参考文献的著录应执行国家标准GB7714-87的规定，采用顺序编码制。

电力工业论文_基于CNN-BiLSTM的短期电力负荷

作者:

关键词:

摘要：

文章摘要:短期电力负荷预测能准确评估地区整体电力负荷变化情况，为电力系统运行决策提供准确参考。电力负荷参数受多维因素影响，为充分挖掘电力负荷数据中的时序特征，提升电力负荷预测精度，该文提出了一种基于特征筛选的卷积神经网络—双向长短期记忆网络组合模型的短期电力负荷预测方法。以真实电力负荷数据作为数据集，通过对多维输入参数的优化筛选，选取高相关性特征向量作为输入，构建预测模型。通过与添加注意力机制的组合模型对比验证了输入参数优化分析的可行性和优越性。最后利用实际算例将该方法与利用自动化模型构建工具构建的梯度增强基线模型及常用预测模型相比，该方法构建的组合模型可以提升多维电力负荷数据的短期预测精度。

文章关键词:短期电力负荷预测,卷积神经网络,双向长短时记忆神经网络,特征筛选,梯度增强基线模型,

论文作者:朱凌建¹ 荀子涵¹ 王裕鑫¹ 崔强¹ 陈文义¹ 娄俊超²

作者单位:1. 西安理工大学机械与精密仪器工程学院 2. 西安华瑞网电科技股份有限公司

论文DOI: 10.13335/j.1000-3673.pst.2021.0470

论文分类号: TM715;TP183

相似文献:一种基于CNN-BiLSTM多特征融合的股票走势预测模型.....作者:徐月梅,王子厚,吴子歆,刊载期刊：《数据分析与知识发现》
基于CNN-BiLSTM的恶意代码家族检测技术.....作者:王国栋,芦天亮,尹浩然,张建岭,刊载期刊：《计算机工程与应用》

相关文章:人工智能在智能制造中的应用.....作者:杨磊
大数据人工智能驱动图书馆知识服务和学科建设.....作者:姜爱蓉
商业航天背景下的遥感应用产业化.....作者:刘东升
Artificial Intelligence: Where Maybe Next Steps? “人工智能热”之后的冷静思考.....作者:Tony Qiu
Computational Analysis of the Voynich Manuscript 十五世纪伏尼契码的智能解析.....作者:Greg Kondrak
深度强化学习系列课程第四讲.....作者:汪荣贵
北京二号遥感卫星星座及其应用服务.....作者:屈鸿钧
第一讲：人工智能时代的刑事责任演变：过去·现在·将来.....作者:刘宪权

文章来源：《电力系统保护与控制》网址: http://www.dlxtbhykzzz.cn/qikandaodu/2021/0818/978.html