-
题名基于RF的并行CNN-TGLSTM热负荷预测模型
被引量：1
- 1
-
-
作者
谭全伟
薛贵军
谢文举
-
机构
华北理工大学电气工程学院
-
出处
《华北理工大学学报（自然科学版）》
CAS
2024年第2期112-123,共12页
-
基金
河北省自然科学基金项目(E2020209121)。
-
文摘
精准的热负荷预测不仅可以提高用户舒适度,还可以有效降低能源消耗。为了提升热负荷预测的准确性,本研究提出了一种基于随机森林的并行CNN和TGLSTM的短期热负荷预测模型。首先,采用随机森林算法对特征进行筛选;其次,利用并行网络CNN和改进的LSTM分别提取时空特征;最后,将提取的特征与多头注意力机制动态结合。实验结果表明,并行CNN-TGLSTM-MA相较于传统的串行CNN-TGLSTM模型,在MAE和MSE方面分别降低了16.9%、26.8%,同时提升了3.5%的R2值,证明了所提出的并行CNN-TGLSTM-MA模型在短期热负荷预测方面的有效性和优越性,为热力系统供热负荷的精准调控提供了参考。
-
关键词
短期热负荷预测
卷积神经网络
转换门控长短期记忆网络
多头注意力机制
随机森林
-
Keywords
short-term heat load forecasting
convolutional neural network
switching gated long short term memory network
multi-head attention mechanism
random forest
-
分类号
TP393
[自动化与计算机技术—计算机应用技术]
-
