检索结果-南通市图书馆

检索条件"主题词=时间深度卷积网络"

共 1 条记录，以下是1-10 订阅

全选清除本页清除全部题录导出标记到"检索档案"

详细简洁

排序：

基于新颖的时间深度卷积混合模型的超短期工业负荷预测研究

基于新颖的时间深度卷积混合模型的超短期工业负荷预测研究

引用

作者：夏晨旭南昌大学

学位级别：硕士

近年来,随着中国经济的快速增长,中国工业部门的用电量急剧增加,而高精度的电力需求预测是实现电力供需平衡的保证。工业企业通过进行高精度的超短期需求预测,可以制定智能需求控制策略,实时调整用电计划,从而提高企业的能源效率和经济... 详细信息

近年来,随着中国经济的快速增长,中国工业部门的用电量急剧增加,而高精度的电力需求预测是实现电力供需平衡的保证。工业企业通过进行高精度的超短期需求预测,可以制定智能需求控制策略,实时调整用电计划,从而提高企业的能源效率和经济效益。由于工业用电负荷相对于传统电力负荷的波动性更强,超短期电力需求难以准确、鲁棒地预测。基于此,本文提出创新性模型对超短期工业负荷预测进行研究,目标是提高负荷预测精度,为企业调整用电规划提供重要的技术指导。本文主要研究内容如下:(1)首先,通过分析电力负荷的特性,寻找电力负荷的变化规律,为负荷预测奠定基础。其次,研究温度、节假日等外部因素对于电力负荷的影响,并通过皮尔逊相关系数选择出相关度高的特征。再次,对负荷数据进行数据预处理,处理方法包括:数据清洗、数据归一化等。最后,将负荷数据与高相关特征通过滑动窗口方法构造数据特征矩阵。(2)提出了基于新颖的时间深度卷积网络(Temporal Depthwise Convolutional Network,TDCN)的短期电力负荷预测模型。TDCN以时间卷积网络的架构为基础,对其卷积结构进行了改进,在保留了提取历史负荷的时间序列信息的特点的前提下,引入深度可分离卷积和反转瓶颈残差结构,避免了在压缩特征空间进行维度转换时所产生的信息丢失和泄漏。模型中使用了层归一化和高斯线性误差单元增强了模型的收敛性和非线性因素的表达能力。这一系列的改进让TDCN模型能够更有效地提取特征信息,同时减少了模型的参数计算量。为了验证所提模型的有效性,采用两个不同地区的电力数据集进行实验并对比分析可知,所提出的TDCN模型与其他先进模型相比具有更高的负荷预测精度和模型训练效率。(3)针对超短期工业负荷波动性强、影响因素繁多等特点,需要更准确的模型来进行预测。因此,在TDCN模型的基础上,进一步提出了TDCN和多尺度等距卷积(Multi-scale Isometric Convolution Network,MICN)构成TDCN-MICN模型进行超短期工业负荷预测。首先通过TDCN提取时间序列的特征信息,从时间序列中提取出变量之间的局部依赖关系,挖掘多个影响因素与电力负荷之间的相互关系,然后通过MICN分解提取到的时序特征,通过局部和全局角度建模,从全局方面把握序列的特征信息,从中提取出关键信息,捕获序列的全局相关性进行预测。最后,利用工业负荷数据集进行实验分析并进行对比,所提出的TDCN-MICN模型与其他先进模型相比具有更高的负荷预测精度。

关键词：超短期负荷预测工业企业卷积神经网络时间深度卷积网络多尺度等距卷积网络

来源：

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

全选清除本页清除全部题录导出标记到“检索档案”

共1页 << < 1 > >>

回到顶部

执行限定条件

欢迎您,

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

请选择保存的检索档案：

请选择收藏分类：

通借通还

欢迎您,

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：