10.3969/j.issn.1007-757X.2023.01.002
基于CNN编码—LSTM解码混合神经网络的智慧家庭用电量预测技术研究
用电量预测是智能电力系统合理安排发电、输电和配电的必要前提.为了提高用电量预测的精度,提出一种基于CNN编码—LSTM解码的混合神经网络模型.该模型先采用CNN编码器提取特征变量之间的有效信息并编码为定长矢量,再采用LSTM解码器对时间序列进行建模并解码定长矢量为变长序列.考虑到用电量在不同时间分辨率下的特点,分别在每分、每时、每日、每周的不同采样率下进行用电量预测.以法国巴黎某家庭的实测数据作为实例进行实验,结果表明,与其他模型相比,所提出的模型不论在何种时间分辨率下均具有更高的预测精度.
用电量预测、CNN、LSTM、编码器—解码器
39
TP311(计算技术、计算机技术)
国家自然科学基金61571135
2023-04-13(万方平台首次上网日期,不代表论文的发表时间)
共3页
1-3