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
基于E-Seq2Seq技术的数据驱动型机组组合智能决策方法
被引量：
29
1
作者
杨楠
贾俊杰
+4 位作者
邢超
刘颂凯
陈道君
叶迪
邓逸天
《中国电机工程学报》
EI
CSCD
北大核心
2020年第23期7587-7599,共13页
在能源技术变革日新月异、人工智能技术与电力系统深度融合的背景下,研究具有高适应性、高精度的机组组合智能决策方法具有重要意义。该文结合门限循环神经网络(gated recurrent unit,GRU)提出一种基于E-Seq2Seq(expand sequence to seq...
在能源技术变革日新月异、人工智能技术与电力系统深度融合的背景下,研究具有高适应性、高精度的机组组合智能决策方法具有重要意义。该文结合门限循环神经网络(gated recurrent unit,GRU)提出一种基于E-Seq2Seq(expand sequence to sequence,E-Seq2Seq)技术的数据驱动型机组组合智能决策方法。首先研究并梳理机组组合模型输入输出序列的类型与结构,形成机组组合弹性多序列映射型样本;然后研究提出一种适用于弹性多序列映射型样本的E-Seq2Seq技术;在此基础上,以GRU为神经元构建机组组合深度学习模型,并最终提出一种基于E-Seq2Seq技术的数据驱动型机组组合智能决策方法。基于IEEE118节点系统、Python环境的算例验证该文方法的正确性和有效性。
展开更多
关键词
GRU
E-Seq2Seq技术
数据驱动
深度学习
机组组合决策
在线阅读
下载PDF
职称材料
题名
基于E-Seq2Seq技术的数据驱动型机组组合智能决策方法
被引量：
29
1
作者
杨楠
贾俊杰
邢超
刘颂凯
陈道君
叶迪
邓逸天
机构
新能源微电网湖北省协同创新
中心
(三峡大学)
国网江西省电力有限公司鹰潭供电分公司变电检修中心
云南电网
有限
责任
公司
电力
科学研究院
国网
湖南省
电力
有限公司
电力
科学研究院
出处
《中国电机工程学报》
EI
CSCD
北大核心
2020年第23期7587-7599,共13页
基金
国家自然科学基金项目(51607104)。
文摘
在能源技术变革日新月异、人工智能技术与电力系统深度融合的背景下,研究具有高适应性、高精度的机组组合智能决策方法具有重要意义。该文结合门限循环神经网络(gated recurrent unit,GRU)提出一种基于E-Seq2Seq(expand sequence to sequence,E-Seq2Seq)技术的数据驱动型机组组合智能决策方法。首先研究并梳理机组组合模型输入输出序列的类型与结构,形成机组组合弹性多序列映射型样本;然后研究提出一种适用于弹性多序列映射型样本的E-Seq2Seq技术;在此基础上,以GRU为神经元构建机组组合深度学习模型,并最终提出一种基于E-Seq2Seq技术的数据驱动型机组组合智能决策方法。基于IEEE118节点系统、Python环境的算例验证该文方法的正确性和有效性。
关键词
GRU
E-Seq2Seq技术
数据驱动
深度学习
机组组合决策
Keywords
gated recurrent unit
E-Seq2Seq technology
data-driven
deep learning
unit commitment decision
分类号
TM71 [电气工程—电力系统及自动化]
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
基于E-Seq2Seq技术的数据驱动型机组组合智能决策方法
杨楠
贾俊杰
邢超
刘颂凯
陈道君
叶迪
邓逸天
《中国电机工程学报》
EI
CSCD
北大核心
2020
29
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
