搜索【负荷】的结果

短期电力负荷预测 - 使用LSTM-RNN

历史负荷和温度数据（从2009年到2017年），泰国的五个不同地区收集的：中部，曼谷和大都会，南部，北部和东北部。基于LSTM的RNN设计的短期电力负荷预测系统。内含matlab代码和数据！！！

2022-04-22 17:05:41 3.97MB lstm rnn 人工智能 深度学习

基于CNN-LSTM混合神经网络模型的短期负荷预测方法基于CNN-LSTM混合神经网络模型的短期负荷预测方法基于CNN-LSTM混合神经网络模型的短期负荷预测方法基于CNN-LSTM混合神经网络模型的短期负荷预测方法基于CNN-LSTM混合神经网络模型的短期负荷预测方法基于CNN-LSTM混合神经网络模型的短期负荷预测方法基于CNN-LSTM混合神经网络模型的短期负荷预测方法基于CNN-LSTM混合神经网络模型的短期负荷预测方法基于CNN-LSTM混合神经网络模型的短期负荷预测方法基于CNN-LSTM混合神经网络模型的短期负荷预测方法基于CNN-LSTM混合神经网络模型的短期负荷预测方法基于CNN-LSTM混合神经网络模型的短期负荷预测方法基于CNN-LSTM混合神经网络模型的短期负荷预测方法基于CNN-LSTM混合神经网络模型的短期负荷预测方法基于CNN-LSTM混合神经网络模型的短期负荷预测方法基于CNN-LSTM混合神经网络模型的短期负荷预测方法基于CNN-LSTM混合神经网络模型的短期负荷预测方法基于CNN-LSTM混合神经网络模型的短期负荷预

2022-04-21 21:05:27 1.22MB 神经网络 cnn lstm 深度学习

基于灰色理论与BP网络的负荷预测

针对用BP神经网络进行预测时权值难以确定的问题,提出了一种基于将灰色理论与BP神经网络相结合的预测算法。采用数量研究法,选取重庆市某供电局1999年到2006年的售电量作为样本,利用不同的灰色模型对样本进行预测,再选出预测的最优值对BP网络进行训练,最后用已训练好的BP网络对样本数据进行预测。经实例预测表明:灰色理论与BP网络相结合的预测精度与单一的预测模型相比有了明显的改进,该算法在理论和实践应用中都是可行的,并为电力部门的生产运行和规划提供了重要的参考。

2022-04-20 15:10:35 771KB 行业研究

1

Power-Consumption-Prediction-master.rar

完整数据和完整代码

2022-04-19 19:15:23 17.89MB 天池ai 电力 负荷预测

1

电力系统短期电力负荷预测数据集（时间间隔1h，4.8w多条数据）2015-2020

特征包括：天气变量，如气温、相对湿度、降水量和风速。数据集来源CND

2022-04-19 19:07:54 47.59MB 电力系统短期负荷预测

基于BP神经网络的电力负荷预测.docx

基于BP神经网络的电力负荷预测研究，内容包含了部分MATLAB代码实现

2022-04-18 21:05:46 340KB 神经网络 matlab 机器学习 人工智能