基于自适应混合优化的电力数据预测方法
CSTR:
作者:
作者单位:

1. 湘潭大学 智能计算与信息处理教育部重点实验室,湖南 湘潭 411105;2. 湖南科技学院 信息工程学院,湖南 永州 425099

作者简介:

通讯作者:

E-mail: zzh@xtu.edu.cn.

中图分类号:

TP391.9

基金项目:

湖南省教育厅科学研究重点项目(21A0069);国家自然科学基金面上项目(62172159);湖南省自然科学基金面上项目(2021JJ30294).


Power data forecasting method based on adaptive hybrid optimization
Author:
Affiliation:

1. Key Laboratory of Intelligent Computing and Information Processing of Ministry of Education, Xiangtan University, Xiangtan 411105,Cihna;2. School of Information Engineering,Hunan University of Science and Technology,Yongzhou,425099,China

Fund Project:

  • 摘要
  • |
  • 图/表
  • |
  • 访问统计
  • |
  • 参考文献
  • |
  • 相似文献
  • |
  • 引证文献
  • |
  • 资源附件
  • |
  • 文章评论
    摘要:

    电力数据易受气候、季节、节假日等因素影响,出现不同波动特征.针对不同特征电力数据预测精度不高、预测方法泛化能力弱等问题,提出基于自适应混合优化的电力数据预测方法 .通过使用小波变换和平稳性分析,将电力数据自适应地分解为包含趋势、季节和周期信息的非平稳序列和多个平稳序列;使用状态转移算法分别优化长短时记忆深度学习网络和自回归移动平均模型,对非平稳序列和平稳序列分别拟合、预测;对预测的各序列进行重构,得到最终预测结果.在电力系统数据上进行多步预测,对比实验表明:与其他方法相比,所提方法不仅具有更高的预测精度,还具有较强的泛化能力.

    Abstract:

    Power data are easily affected by climate, seasons, holidays and other factors, with different fluctuation characteristics. Aiming at the problems of low prediction accuracy of power data with different characteristics and weak generalization ability of prediction methods, a power data prediction method based on adaptive hybrid optimization is proposed. By using wavelet transform and stability analysis, the power data is adaptively decomposed into non-stationary series and multiple stationary series containing trend, season and periodic information. The state transition algorithm is used to optimize the long and short term memory deep learning network and autoregressive moving average model, respectively, to fit and predict the non-stationary and stationary series. Finally, the predicted sequences are reconstructed to obtain the final prediction results. Compared with other methods, the proposed method not only has higher prediction accuracy, but also has strong generalization ability.

    参考文献
    相似文献
    引证文献
引用本文

曾朝晖,赵会勇,罗恩韬,等.基于自适应混合优化的电力数据预测方法[J].控制与决策,2023,38(12):3490-3498

复制
分享
文章指标
  • 点击次数:
  • 下载次数:
  • HTML阅读次数:
  • 引用次数:
历史
  • 收稿日期:
  • 最后修改日期:
  • 录用日期:
  • 在线发布日期: 2023-11-13
  • 出版日期: 2023-12-20
文章二维码