TY -的A2 -王,汉盟——刘、张盟——饶,魏盟——王、金盟- Tang称盟——刘、张盟——王,杰盟——田,李盟——周,梁盟——徐Jiangpei PY - 2022 DA - 2022/06/20 TI -负荷预测算法的电力物联网使用训练数据维度扩展和集成学习技术SP - 6730677六世- 2022 AB -随着电力物联网的发展(物联网),负荷预测电力系统将发挥重要的作用。它可以优化发电计划和提高电力物联网经济运行。本文提出了一种新的负荷预测算法的电力物联网使用训练数据维度扩张和整体学习。在离线阶段,获得的气象数据和时间信息规范化删除单元的效果。然后,Hampel过滤器是用来应付来自传感器的气象数据的离群值。通过预处理、指纹的训练数据。接下来,提出了矩阵乘法方法扩大训练数据的维数指纹信息。最后,整体学习相结合提出了多个长期短期记忆(LSTM)网络获得多个电力负荷预测模型和相应的权重系数。在线阶段,获得的气象数据和时间信息预处理和电力负荷预测模型的输入形式。最后的电力负荷预测是通过线性加权和法中间预测结果。 In the proposed algorithm, more features of training data can be obtained by the data dimension expansion. Moreover, the ensemble learning using LSTM can make fully use of the timing sequence of training and improve the generalization performance of offline training. Experiment results illustrate that the proposed algorithm has better forecasting performance than existing methods. SN - 1687-725X UR - https://doi.org/10.1155/2022/6730677 DO - 10.1155/2022/6730677 JF - Journal of Sensors PB - Hindawi KW - ER -