期刊导航
期刊开放获取
上海教育软件发展有限公..
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
1
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
改进时空图卷积神经网络的多设备能耗预测
1
作者
蔡同尧
曾献辉
《信息技术》
2024年第9期152-160,共9页
为帮助企业实现高能耗设备的节能,针对负荷预测的已有研究大多集中在单一设备且重点考虑数据的时间特征,缺乏对设备空间特征的分析。文中提出一种基于时空图卷积神经网络(STGCN)的多设备能耗预测算法。该方法采用切比雪夫图卷积(Cheb-GC...
为帮助企业实现高能耗设备的节能,针对负荷预测的已有研究大多集中在单一设备且重点考虑数据的时间特征,缺乏对设备空间特征的分析。文中提出一种基于时空图卷积神经网络(STGCN)的多设备能耗预测算法。该方法采用切比雪夫图卷积(Cheb-GC)层提取空间特征和改进的门控时间卷积(GTCN)层提取时间特征,通过嵌入图邻接矩阵达到多设备联合预测的目的。结合某高能耗企业的真实数据,与历史平均回归模型(HA)、自回归积分滑动平均模型(ARIMA)、前馈神经网络(FNN)和门控循环单元(GRU)网络进行了对比实验,结果表明所提算法具备更优越的性能,预测结果能够满足实际应用要求。
展开更多
关键词
多设备能耗预测
时空特征
图神经网络
数据挖掘
深度学习
在线阅读
下载PDF
职称材料
题名
改进时空图卷积神经网络的多设备能耗预测
1
作者
蔡同尧
曾献辉
机构
东华大学信息科学与技术学院
出处
《信息技术》
2024年第9期152-160,共9页
文摘
为帮助企业实现高能耗设备的节能,针对负荷预测的已有研究大多集中在单一设备且重点考虑数据的时间特征,缺乏对设备空间特征的分析。文中提出一种基于时空图卷积神经网络(STGCN)的多设备能耗预测算法。该方法采用切比雪夫图卷积(Cheb-GC)层提取空间特征和改进的门控时间卷积(GTCN)层提取时间特征,通过嵌入图邻接矩阵达到多设备联合预测的目的。结合某高能耗企业的真实数据,与历史平均回归模型(HA)、自回归积分滑动平均模型(ARIMA)、前馈神经网络(FNN)和门控循环单元(GRU)网络进行了对比实验,结果表明所提算法具备更优越的性能,预测结果能够满足实际应用要求。
关键词
多设备能耗预测
时空特征
图神经网络
数据挖掘
深度学习
Keywords
multi-equipment energy consumption prediction
Spatio-Temporal characteristics
Graph Neural Network
Data Mining
deep learning
分类号
TP183 [自动化与计算机技术—控制理论与控制工程]
在线阅读
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
改进时空图卷积神经网络的多设备能耗预测
蔡同尧
曾献辉
《信息技术》
2024
0
在线阅读
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
