检索结果-内蒙古大学图书馆

International Core Journal of Engineering 2021年第6期7卷 333-341页

作者： Jinwei Shi Yan Zhang

In order to improve the accuracy of short-term power load prediction, a short-term power load prediction model (VMD-CS-LSTM) based on variational mode decomposition and cuckoo algorithm was proposed to optimize the long and short term memory (LSTM) neural network. In view of the problem that the parameters of LSTM model are difficult to select, CS is used to optimize the parameters of LSTM model. For the simulation of the prediction model, this paper chooses the Jupyter Notebook programming environment and uses Python language to program under the framework of TensorFlow. The model obtained can be used to predict the future power load value. The simulation results show that the method of variational mode decomposition and cuckoo algorithm to optimize LSTM can effectively improve the accuracy and stability of short-term power load prediction.

关键词： short-term Power Load Forecasting Variational Mode Decomposition Cuckoo algorithm long and short term memory algorithm Error Analysis

来源：评论

学校读者我要写书评

暂无评论

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

主题

作者

语言

请选择保存的检索档案：

请选择收藏分类：

通借通还

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

主题

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：