컴공돌이의 스터디 블로그

[논문 요약] An effective dimensionality reduction approach for short-term load forecasting 본문

논문 Study/논문 요약

[논문 요약] An effective dimensionality reduction approach for short-term load forecasting

제갈초아 2022. 6. 16. 11:06

제목

An effective dimensionality reduction approach for short-term load forecasting

저자

Yang Yang, Zijin Wang, Yuchao Gao, Jinran Wu, Shangrui Zhao, and Zhe Ding

저널

Electric Power Systems Research

게재일

2022년 6월 11일

논문 요약

Y. Yang et al. []은 Variational Mode Decomposition(VMD), Variational Autoencoder(VAE), Long Short-Term Memory(LSTM)을 결합한 하이브리드 전력수요 예측 모델을 제안하였습니다. VMD는 복잡한 전력수요 데이터를 여러개의 하위 시퀀스 데이터로 분해하는데 사용되고, VAE는 분해된 하위 시퀀스 데이터에서 노이즈를 필터링하여 특징을 추출하는데 사용되고, LSTM은 예측에 사용됩니다. VMD와 VAE를 결합한 특징 추출 모듈이 적용됨으로써 복잡한 전력수요 데이터를 보다 정확하게 예측하는 것이 가능해졌습니다. 제안된 VMD-VAE-LSTM 모델은 서로 다른 7개의 모델들과 4개의 평가지표(R Square, MAPE, MAE, RMSE)를 사용하여 비교되었습니다. 실험 결과 제안한 모델의 예측 결과가 다른 비교 모델들보다 실제 전력수요 데이터에 가깝다는 것을 확인하였습니다.

키워드

Deep learning, Decomposition-ensemble method, Feature extraction, Load forecasting

하이라이트

1. A dimensionality reduction approach is proposed.
2. A novel combination method is designed for load forecasting.
3. The proposed approach can improve the accuracy in actual projects.

반응형
저작자표시 비영리 변경금지

'논문 Study > 논문 요약' 카테고리의 다른 글

[논문 요약] A robust support vector regression model for electric load forecasting  (0) 2022.06.20
[논문 요약] Short‐term commercial load forecasting based on peak-valley features with the TSA-ELM model  (0) 2022.06.12
[논문 요약] A Novel Short Receptive Field based Dilated Causal Convolutional Network Integrated with Bidirectional LSTM for Short-Term Load Forecasting  (0) 2022.06.07
'논문 Study/논문 요약' Related Articles more
Comments