基于MMoE多任务学习和长短时记忆网络的综合能源系统负荷预测
精确的多元负荷预测是实现综合能源系统优化调度与经济运行的关键技术.在考虑多元负荷相关性的基础上,提出一种基于MMoE多任务学习和长短时记忆网络(LSTM)的多元负荷预测方法.利用皮尔逊相关系数分析冷热电负荷及气象因素存在的强相关性和弱相关性;构建MMoE多任务学习模型,利用专家子网和门控单元学习多元负荷间耦合特性的差异;使用LSTM构建子任务模型,对多元负荷进行预测.利用公开数据集进行性能验证,结果表明所提基于MMoE多任务学习和LSTM的模型能够有效提升多元负荷预测精度.
多元负荷预测、综合能源系统、相关性分析、MMoE多任务学习、长短时记忆网络、专家网络
42
TM73;TK01(输配电工程、电力网及电力系统)
国家电网公司科技项目1400-202118231A-0-0-00
2022-08-01（万方平台首次上网日期，不代表论文的发表时间）
共7页
33-39
