10.19399/j.cnki.tpt.2023.07.011
基于DANN-LSTM的电动汽车负荷预测
针对社区微网中电动汽车负荷预测存在的数据样本不足的问题,提出一种将长短期记忆(Long Short-Term Memory,LSTM)与领域自适应神经网络(Domain Adaptive Neural Network,DANN)结合形成DaNN-LSTM的负荷预测算法,从而实现对社区微网小样本的电动汽车负荷数据的准确预测.利用预处理后的源域数据预先训练好LSTM模型,再将LSTM模型的相关参数迁移到DANN的LSTM层中,最后对社区微网中的负荷数据进行重复训练,得出预测结果.预测结果表明,所提到的方法相比于LSTM模型的准确率有了一定程度的提高,可以满足实际需求.
社区微网、负荷预测、长短期记忆(LSTM)神经网络、迁移学习、领域自适应神经网络(DANN)
40
TP391.1;TP183;TP273
2023-07-10(万方平台首次上网日期,不代表论文的发表时间)
共5页
34-38