开放存取
问题 |
E3S网页汇编
卷积3942023
6线程资源探索环境科学国际专题讨论会 |
|
---|---|---|
文章号 | 01002 | |
页数 | 九九 | |
多尔市 | https://doi.org/10.1051/e3sconf/202339401002 | |
在线发布 | 2023年6月2日 |
必威主页
39401002 (2023年)
全面审查机器学习方法电荷预测
江南大学武西市
*对应作者 :zzx_5656@163.com
数据处理功率提高和现代电网持续开发后,预测电荷时对精度的需求日益增加研究载荷预测领域,本文章归纳并归为三大类型:传统模型、单机学习模型和混合模型,基于前文文献第一,概述电荷预测中应用不同模型的情况第二,选择三大类典型模型详细介绍传统模型选择ARIMA模型,单机学习模型选择CNN和LSTM混合模型选择ResNet-LSTM混合神经网络导论最后使用四种不同的数据集测试不同的模型模型差异和模式归纳并提出了电荷预测领域未来研究方向建议
关键字 :电力负载预测/ARIMA/CNN/LSTM/ResNet-LSTM
必威西汉姆赞助2023年EDP科学出版
开存文章分发创用CC授权4.0允许在任何介质上不受限制使用、分发和复制,只要原创作品正确引用
当前用法度量显示文章视图累积计数(全文文章视图包括HTML视图、PDF和ePub下载,根据可用数据)和Vision4Press平台摘要视图
数据对应2015年后板状使用当前使用量度自在线发布后48-96小时提供并按周日每日更新
初始下载度量器可能花点时间