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
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：
基于IAMD-ISSA-LSTM的园区综合能源负荷预测
1
作者 齐天 康琦 +4 位作者 王雅群 张磊 韩雪婷 王佳怡 孟荣华 《三峡大学学报(自然科学版)》 北大核心 2025年第6期88-96,共9页
现代园区能源系统涵盖电能、热能、冷能等多种能源形式,较传统单一能源独立运行模式更能满足能效提升和低碳转型需求.园区多能负荷受生产周期、天气、环境等多因素影响,波动性强,预测误差大将直接导致用能决策不经济.为提高负荷预测准确... 现代园区能源系统涵盖电能、热能、冷能等多种能源形式,较传统单一能源独立运行模式更能满足能效提升和低碳转型需求.园区多能负荷受生产周期、天气、环境等多因素影响,波动性强,预测误差大将直接导致用能决策不经济.为提高负荷预测准确性,需考虑历史数据中的噪声和干扰信息;能源耦合性,即电-热-冷负荷相互转换;不确定性,即天气、环境对负荷的影响.因此,本文提出了“多元时序分解-关键特征提取-预测模型建立-模型参数优化”的多能负荷预测方法.为提高负荷数据有效性,改进了自适应模态分解(improved adaptive modal decomposition,IAMD)进行降噪,得到各负荷自适应寻优分解模式下的子序列,并对降噪后的各负荷子序列进行重构;考虑多元负荷耦合性及随气侯变化特征,采用Spearman相关性分析法对多能负荷及气候因素进行关联分析,提取强相关的多能耦合负荷及气候特征作为预测模型的影响因素;此外,改进了麻雀搜索算法(improved sparrow search algorithm,ISSA)优化长短期记忆神经网络(long short-term memory,LSTM)预测模型的超参数,以提高负荷预测精度.结果表明本文提出的IAMD-ISSA-LSTM预测模型比传统模型精度更优. 展开更多
关键词 自适应模态分解(IAMD) 多能耦合负荷预测 Spearman相关性分析 改进麻雀搜索算法 长短期记忆(LSTM)
在线阅读 下载PDF
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
关于我们 | 版权声明 | 联系我们 | 帮助中心| 意见反馈
主办单位：上海市教育委员会
技术支持：重庆维普资讯有限公司
渝公网安备 50019002500403号
使用帮助 返回顶部