期刊文献+
共找到1篇文章
< 1 >
每页显示 20 50 100
基于门控循环单元残差连接网络与多任务学习的园区综合能源系统多元负荷预测 被引量:2
1
作者 高晨元 田建艳 +1 位作者 姬政雄 杨立志 《电网技术》 北大核心 2025年第5期1771-1780,I0003-I0006,共14页
准确的多元负荷预测对于能源系统的安全稳定运行以及优化控制和调度至关重要。针对园区综合能源系统随机性强、不确定性大、多种能源耦合等特点,该文提出一种基于门控循环单元(gated recurrent unit,GRU)、残差连接网络与多任务学习(mul... 准确的多元负荷预测对于能源系统的安全稳定运行以及优化控制和调度至关重要。针对园区综合能源系统随机性强、不确定性大、多种能源耦合等特点,该文提出一种基于门控循环单元(gated recurrent unit,GRU)、残差连接网络与多任务学习(multi-task learning,MTL)结合的园区综合能源系统多元负荷预测模型。首先,构建综合相关性分析方法,以分析不同负荷之间、不同负荷与气象因素之间的关联性,进而优选多元负荷的影响因素;其次,通过GRU网络挖掘多元负荷数据的时序特征,特别地,通过残差连接(residual connection,RC)优化深度网络的性能;然后,采用多任务学习硬共享机制提取多元负荷间的耦合信息;最后,采用多任务损失函数优化平衡多任务训练,提升预测模型的整体性能。算例分析表明,该文所提基于损失函数优化的GRU-RC-MTL模型相较于其他模型具有更为优越的预测性能,验证了该文模型的有效性,可为园区综合能源系统优化调度与能源管控提供更精确的多元负荷预测信息。 展开更多
关键词 园区综合能源系统 多元负荷预测 门控循环单元 多任务学习 损失函数优化策略
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部