Abstract：
精确高效的用电需求预测在现代电网建设和资源利用分配上具有重要的研究意义.为了提高资源利用率和电力负荷预测精度,本文提出一种采用长短期记忆网络(LSTM)与支持向量回归机(SVR)相结合的组合算法对用户用电需求进行预测,并利用改进粒子群算法(PSO)对SVR参数进行寻优.以福建某地区的用电数据为例,验证了LSTM-SVR组合模型的可行性与有效性.实验结果表明,使用LSTM-SVR模型可以有效改进单一模型(LSTM、SVR)预测精度较低的缺点,相比单一模型在MAPE、RMSE和拟合系数R2上更优.
Keyword：
Reprint 's Address：
Email：
Version：
Source ：
电气开关
ISSN： 1004-289X
Year： 2022
Issue： 2
Volume： 60
Page： 13-18
Cited Count：
SCOPUS Cited Count：
ESI Highly Cited Papers on the List： 0 Unfold All
WanFang Cited Count： -1
Chinese Cited Count：
30 Days PV： 7
Affiliated Colleges：
