检索结果-南通市图书馆

维普期刊数据库博看期刊

基于多任务学习和单任务学习组合模型的综合能源系统多元负荷预测

在线全文

学校读者我要写书评

暂无评论

电网技术 2024年第4期48卷 1510-1518,I0038,I0040-I0042页

作者：秦烁赵健徐剑魏敏捷上海电力大学电气工程学院上海市杨浦区200090 大航有能电气有限公司江苏省镇江市212200

针对气象因素对多元负荷变化的灵敏度差异及多元负荷间耦合强度的差异导致多任务学习(multi-tasklearning,MTL)预测模型精度受限的问题,该文提出一种MTL和单任务学习(single-tasklearning,STL)组合的多元负荷预测方法。首先使用基于长... 详细信息

针对气象因素对多元负荷变化的灵敏度差异及多元负荷间耦合强度的差异导致多任务学习(multi-tasklearning,MTL)预测模型精度受限的问题,该文提出一种MTL和单任务学习(single-tasklearning,STL)组合的多元负荷预测方法。首先使用基于长短期记忆(long and short-term memory,LSTM)网络的MTL模型提取多元负荷间的耦合信息进行初步预测;然后采用基于前置双重注意力长短期记忆(dual attention before LSTM,DABLSTM)网络的STL模型减少输入噪声进行二次预测;同时将初步的预测值输入STL模型,使得STL模型可以考虑未来的时序信息;最后,通过全连接层对两个模型的预测结果进行融合得到最终的预测结果。实验结果表明,所提组合模型相比单一的MTL和STL模型具有更高的预测精度。

关键词：综合能源系统多任务学习单任务学习长短时记忆网络注意力机制负荷预测

基于改进WGAN考虑特征分布相似性的小样本负荷预测方法

在线全文

学校读者我要写书评

暂无评论

控制理论与应用 2024年第4期41卷 597-608页

作者：卢俊菠刘俊峰罗燕曾君华南理工大学自动化科学与工程学院广东广州510640 华南理工大学电力学院广东广州510640

对于综合能源系统中新接入用户,其往往由于历史数据匮乏而难以建立精准的短期负荷预测模型.本文基于迁移学习理论,提出了一种基于改进Wasserstein生成对抗网络(WGAN)的小样本负荷预测方法.首先,本文采用最大信息系数法量化各影响特征与... 详细信息

对于综合能源系统中新接入用户,其往往由于历史数据匮乏而难以建立精准的短期负荷预测模型.本文基于迁移学习理论,提出了一种基于改进Wasserstein生成对抗网络(WGAN)的小样本负荷预测方法.首先,本文采用最大信息系数法量化各影响特征与负荷的相关性强弱.接着,将源域特征序列进行分割,计算各分割子序列与目标域小样本的实序列编辑距离确定初始源域.然后,引入卷积神经网络和长短期记忆模型建立源域预测网络.通过WGAN对齐目标域和源域负荷特征的空间分布,并在最优传输代价函数中加入局部特征损失以提高训练的稳定性和快速性.最后,将对抗训练后网络用于目标域负荷预测.采用该方法对某地区小样本负荷进行实验,结果表明,本文所提算法与其他预测模型相比能达到更高精度.

关键词：负荷预测迁移学习小样本改进Wasserstein生成对抗网络特征分布最优传输

基于改进Q学习算法和组合模型的超短期电力负荷预测

同方期刊数据库博看期刊评论

在线全文

学校读者我要写书评

暂无评论

电力系统保护与控制 2024年第9期52卷 143-153页

作者：张丽李世情艾恒涛张涛张宏伟河南理工大学电气工程与自动化学院河南焦作454003 河南省煤矿装备智能检测与控制重点实验室河南焦作454003 国网山西省电力公司临汾供电公司山西临汾041000

单一模型在进行超短期负荷预测时会因负荷波动而导致预测精度变差,针对此问题,提出一种基于深度学习算法的组合预测模型｡首先,采用变分模态分解对原始负荷序列进行分解,得到一系列的子序列。其次,分别采用双向长短期记忆网络和优化后的... 详细信息

单一模型在进行超短期负荷预测时会因负荷波动而导致预测精度变差,针对此问题,提出一种基于深度学习算法的组合预测模型｡首先,采用变分模态分解对原始负荷序列进行分解,得到一系列的子序列。其次,分别采用双向长短期记忆网络和优化后的深度极限学习机对每个子序列进行预测。然后,利用改进Q学习算法对双向长短期记忆网络的预测结果和深度极限学习机的预测结果进行加权组合,得到每个子序列的预测结果。最后,将各个子序列的预测结果进行求和,得到最终的负荷预测结果。以某地真实负荷数据进行预测实验,结果表明所提预测模型较其他模型在超短期负荷预测中表现更佳,预测精度达到98%以上。

关键词： Q学习算法负荷预测双向长短期记忆深度极限学习机灰狼算法

维普期刊数据库博看期刊

考虑异方差性的城市电网电动汽车充电负荷预测

在线全文

学校读者我要写书评

暂无评论

电力系统自动化 2024年第15期48卷 54-63页

作者：刘巍炜周羽生周文晴苏盛李彬邓康健长沙理工大学电气与信息工程学院湖南省长沙市410114 国网娄底供电分公司湖南省娄底市417008

随着电动汽车渗透率的上升,充电设施和充电负荷将成为城市电网发展的关键增长点。然而,大量电动汽车集中充电导致负荷波动剧烈,并加剧了负荷序列的异方差性。为此,提出了一种考虑异方差性的电动汽车充电负荷预测模型。首先,通过图形检... 详细信息

随着电动汽车渗透率的上升,充电设施和充电负荷将成为城市电网发展的关键增长点。然而,大量电动汽车集中充电导致负荷波动剧烈,并加剧了负荷序列的异方差性。为此,提出了一种考虑异方差性的电动汽车充电负荷预测模型。首先,通过图形检测法识别评估充电负荷序列的异方差性,综合负荷变化趋势分析可能导致异方差的原因;其次,通过时间序列分解剥离原始序列中的异方差,挖掘负荷分量与气候、温度的关联关系;最后,构建针对异方差性的中长期充电负荷预测框架,融合长序列预测模型,对负荷进行分解与重构。仿真结果表明,所提模型提高了负荷预测的准确性,为城市电网的合理规划与稳定运行提供了重要支持。

关键词：电动汽车负荷预测异方差性时间序列分解需求响应分时电价

在线全文

学校读者我要写书评

暂无评论

基于时空图注意力网络的超短期区域负荷预测

电力系统自动化 2024年第12期48卷 147-155页

作者：赵紫昱陈渊睿陈霆威刘俊峰曾君华南理工大学电力学院广东省广州市510640 华南理工大学自动化科学与工程学院广东省广州市510640

目前,空间负荷预测研究对复杂时空关系的考虑不足。为此,文中提出一种基于多维、多源特征的区域级负荷超短期时空预测模型。首先,根据已有的区域级负荷进行元胞划分,构建考虑元胞相关性的图拓扑。其次,分别通过图注意力网络、一维卷积... 详细信息

目前,空间负荷预测研究对复杂时空关系的考虑不足。为此,文中提出一种基于多维、多源特征的区域级负荷超短期时空预测模型。首先,根据已有的区域级负荷进行元胞划分,构建考虑元胞相关性的图拓扑。其次,分别通过图注意力网络、一维卷积神经网络和门控循环单元,从空间、特征和时间维度提取有效特征,连接全连接层输出结果。最后,基于美国新英格兰地区的真实电力负荷数据进行仿真验证,并提取模型注意力权重,分析元胞之间的空间依赖性。结果表明,所提模型相比传统模型在不同预测步长上均具有更高的预测精度和稳定性,有效挖掘了区域级负荷的空间依赖性。

关键词：负荷预测负荷空间分布卷积神经网络门控循环单元注意力机制可解释性

基于重构误差和极端模式识别的综合能源系统短期负荷预测

在线全文

学校读者我要写书评

暂无评论

中国电机工程学报 2024年第9期44卷 3476-3488,I0011页

作者：邢晓萱巩敦卫孙晓燕张勇梁睿中国矿业大学信息与控制工程学院江苏省徐州市221116 青岛科技大学自动化与电子工程学院山东省青岛市266000 中国矿业大学电气工程学院江苏省徐州市221116

综合能源系统的运行场景存在极端模式,且含有异常数据,亟剧增加了综合能源负荷预测的难度。该文提出基于极端模式识别和误差重构的综合能源系统极端模式短期负荷预测方法,通过极端模式的识别,异常数据的检测,提高综合能源负荷预测的精... 详细信息

综合能源系统的运行场景存在极端模式,且含有异常数据,亟剧增加了综合能源负荷预测的难度。该文提出基于极端模式识别和误差重构的综合能源系统极端模式短期负荷预测方法,通过极端模式的识别,异常数据的检测,提高综合能源负荷预测的精度。首先,基于最小累积距离的综合能源负荷数据聚类,识别系统的极端模式;然后,利用深度学习模型的残差和聚类误差进行误差重构,检测异常数据;最后,采用改进的Stacking集成学习方法,进行极端模式的综合能源负荷预测。将所提方法应用于典型的综合能源系统,并与已有方法比较,实验结果表明,所提方法能够很好地解决极端模式的综合能源系统短期负荷预测问题。

关键词：综合能源系统负荷预测极端模式识别重构误差集成学习

维普期刊数据库博看期刊

基于非侵入式负荷分解的家庭负荷两阶段超短期负荷预测模型

在线全文

学校读者我要写书评

暂无评论

电工技术学报 2024年第11期39卷 3379-3391页

作者：李延珍王海鑫杨子豪陈哲杨俊友沈阳工业大学电气工程学院沈阳110870 丹麦奥尔堡大学能源技术系奥尔堡DK-9220

精细化负荷预测为制定家庭新型需求响应策略或能效管理模式提供了可靠的指导信息与理论基础,而负荷监测系统的广泛研究与发展为家庭设备层的负荷预测提供了有力的数据支撑。基于家庭负荷智能电能表集中数据,该文提出一种集分解-预测一... 详细信息

精细化负荷预测为制定家庭新型需求响应策略或能效管理模式提供了可靠的指导信息与理论基础,而负荷监测系统的广泛研究与发展为家庭设备层的负荷预测提供了有力的数据支撑。基于家庭负荷智能电能表集中数据,该文提出一种集分解-预测一体化的家庭负荷两阶段超短期负荷预测方法。该方法第一阶段提出了基于卷积神经网络(CNN)和双向门控单元(BiGRU)神经网络的非侵入式负荷分解(NILM)模型,解决了目前深度分解模型中特征提取不充分、分解精度低等问题。第二阶段构建了基于时间模式注意力机制(TPA)的时间卷积神经网络(TCN)负荷预测模型,深度挖掘NILM分解数据、集中负荷数据及日期特征等输入变量的深层交互信息,实现家庭设备层的负荷预测。算例部分通过UK-DALE数据集对所提方法进行验证,结果表明,该方法能够获得较高的分解精度和预测效果,为家庭负荷预测提供了良好的条件。

关键词：非侵入式负荷分解负荷预测卷积神经网络双向门控单元神经网络时间卷积网络注意力机制

基于分解算法与元学习结合的综合能源系统负荷预测

在线全文

学校读者我要写书评

暂无评论

电力系统自动化 2024年第10期48卷 151-160页

作者：黄璜张安安西南石油大学电气信息学院四川省成都市610500

针对区域综合能源系统(IES)负荷间关联敏感性高、季节泛化性差导致的负荷预测精度受限问题,提出一种基于分解算法与元学习结合的多元负荷组合预测方法。首先,基于动态最大信息系数量化不同时段多元负荷间相关性,根据动态相关性结果构造... 详细信息

针对区域综合能源系统(IES)负荷间关联敏感性高、季节泛化性差导致的负荷预测精度受限问题,提出一种基于分解算法与元学习结合的多元负荷组合预测方法。首先,基于动态最大信息系数量化不同时段多元负荷间相关性,根据动态相关性结果构造特征输入变量。然后,通过窗口滑动将负荷序列分成多个子序列单元,并使用变分模态分解将其划分为多个任务,避免整体分解带来的前瞻性偏差问题。最后,采用双向长短期记忆模型预测子序列,并通过模型无关的元学习算法减少梯度迭代,重构子序列后融合全连通层输出预测结果。基于美国亚利桑那州立大学坦佩校区IES数据集,验证了所提混合模型具有更高的IES多元负荷预测精度。

关键词：负荷预测变分模态分解元学习最大信息系数双向长短期记忆

基于动态自适应图神经网络的电动汽车充电负荷预测

在线全文

学校读者我要写书评

暂无评论

电力系统自动化 2024年第7期48卷 86-93页

作者：张延宇张智铭刘春阳张西镚周毅河南大学人工智能学院河南省郑州市450046 河南省车联网协同技术国际联合实验室河南省郑州市450046

电动汽车充电站负荷波动的不确定性与长时间预测任务给提升充电负荷预测精度带来巨大的挑战。文中提出一种基于动态自适应图神经网络的电动汽车充电负荷预测算法。首先,构建了一个充电负荷信息时空关联特征提取层,将多头注意力机制与自... 详细信息

电动汽车充电站负荷波动的不确定性与长时间预测任务给提升充电负荷预测精度带来巨大的挑战。文中提出一种基于动态自适应图神经网络的电动汽车充电负荷预测算法。首先,构建了一个充电负荷信息时空关联特征提取层,将多头注意力机制与自适应相关图结合生成具有时空关联性的综合特征表达式,以捕获充电站负荷的波动性;然后,将提取的特征输入到时空卷积层,捕获时间和空间之间的耦合关系;最后,通过切比雪夫多项式图卷积与多尺度时间卷积提升模型耦合长时间序列之间的能力。以Palo Alto数据集为例,与现有方法相比,所提算法在4种波动情况下的平均预测误差大幅降低。

关键词：电动汽车负荷预测时空关联特征自适应图神经网络注意力机制时空卷积层