Stacking integration algorithm based on CNN-BiLSTM-Attention with XGBoost for short-term electricity load forecasting

Improving the accuracy of electric load forecasting is critical for grid stability, industrial production, and residents' daily lives. Traditional short-term load forecasting methods often struggle to fully capture the long-term dependencies and deep-seated features in unknown datasets, thus li...

Celý popis

Podrobná bibliografie

Vydáno v:	Energy reports Ročník 12; s. 2676 - 2689
Hlavní autoři:	Luo, Shucheng, Wang, Baoshi, Gao, Qingzhong, Wang, Yibao, Pang, Xinfu
Médium:	Journal Article
Jazyk:	angličtina
Vydáno:	Elsevier Ltd 01.12.2024
Témata:	BiLSTM CNN Electricity load forecasting Stacking integration algorithm CNN BiLSTM Electricity load forecasting Stacking integration algorithm
ISSN:	2352-4847, 2352-4847
On-line přístup:	Získat plný text
Tagy:	Přidat tag Žádné tagy, Buďte první, kdo vytvoří štítek k tomuto záznamu!