二次分解组合并行CNN-LSTM-GCN的短期负荷预测.docx
文本预览下载声明
二次分解组合并行CNN-LSTM-GCN的短期负荷预测
一、引言
随着电力系统的快速发展和智能化水平的不断提高，短期负荷预测成为电力系统调度与运行的关键技术之一。为了应对日益增长的数据量和复杂性，本文提出了一种基于二次分解组合并行的CNN-LSTM-GCN模型，用于短期负荷预测。该模型结合了卷积神经网络（CNN）、长短期记忆网络（LSTM）和图卷积网络（GCN）的优点，具有更高的预测精度和更强的泛化能力。
二、相关工作
在过去的几年里，各种深度学习模型已被广泛应用于电力系统短期负荷预测。其中，CNN、LSTM和GCN在相关领域中均取得了显著的成果。然而，单一模型的性能往往受到数据特性和模型复杂
显示全部