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 |
| |
引用本文: | 张硕,周小林,张宇,唐钧.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[J].微型电脑应用,2023(1):1-3. |
| |
作者姓名: | 张硕 周小林 张宇 唐钧 |
| |
作者单位: | 复旦大学信息科学与工程学院 |
| |
基金项目: | 国家自然科学基金项目(61571135); |
| |
摘 要: | 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。
|
关 键 词: | 用电量预测 CNN LSTM 编码器—解码器 |
|
|