排序方式: 共有4条查询结果,搜索用时 0 毫秒
1
1.
短期电力负荷预测作为电力系统的基本组成,能够指导电力公司制定经济合理的生产调度计划。由于电力负荷数据的时序特性和非线性特性,准确作出电力负荷预测具有很大的挑战。当下深度学习不断发展,其在复杂非线性关系建模和处理时序信息等方面表现突出。文章提出一种融合XGBoost和改进Transformer模型的新型短期电力负荷预测方法 XGB-Transformer。该方法考虑时间周期和气象因素对电力负荷的影响,利用基于XGBoost的特征选择方法进行数据规约,利用改进后的Transformer模型来学习序列内部规律和序列间的长距离依赖关系,以提高预测准确性与效率。该方法在真实的电力系统负荷数据上进行实验,结果表明XGB-Transformer方法在准确率和效率2个方面均优于传统方法和其他深度学习方法,证明了其有效性。 相似文献
2.
电力调度领域文本涵盖大量电力调度领域知识,具有知识密集、异常数据少和数据价值高的特点,对电力调度领域文本进行挖掘研究具有重要应用意义.作为电力文本数据挖掘的基础工作,专业领域词典的质量将直接影响后续研究工作的质量.文章基于小规模电力调度相关文本语料库,通过远程知识库、机器学习、文本相似度和基于规则的方法等研究方法,在调... 相似文献
3.
4.
随着特高压交直流快速发展、能源结构调整不断深化和电力市场化改革向纵深推进,电网运行态势的感知越来越困难。文章提出了基于模糊层次分析法和LSTM-注意力机制的电网运行态势感知评估模型。首先建立电网运行态势评估基本框架;然后构建电网运行态势评价体系,利用模糊层次分析法评估当前运行状态;最后基于LSTM-注意力机制,通过样本数据训练学习,完成对电网安全态势的预测。仿真算例验证了该模型的有效性和准确性。 相似文献
1