期刊导航
期刊开放获取
cqvip
退出
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
2
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
注意力机制下的VMD-IDBiGRU负荷预测模型
被引量：
7
1
作者
邵必林
严
义川
曾卉玢
《电力系统及其自动化学报》
CSCD
北大核心
2022年第10期120-128,共9页
针对传统神经网络在负荷预测中精度欠佳、预测速度较慢的问题,提出一种基于注意力机制、变分模态分解和改进的深度双向门控循环单元短期负荷预测模型。该模型首先通过变分模态分解算法将负荷数据分解,以降低原始负荷数据的复杂度。然后...
针对传统神经网络在负荷预测中精度欠佳、预测速度较慢的问题,提出一种基于注意力机制、变分模态分解和改进的深度双向门控循环单元短期负荷预测模型。该模型首先通过变分模态分解算法将负荷数据分解,以降低原始负荷数据的复杂度。然后:针对传统分解加预测组合模型存在参数多、模型复杂的问题,基于权值共享的思想建立改进的深度双向门控循环单元神经网络;引入注意力机制来突出关键因素的影响,通过注意力权重深度挖掘负荷数据存在的规律。最后,以中国某地区的负荷数据作为实例,通过与传统预测模型进行对比得出,本文所提模型在精度和速度方面均有一定的提升。
展开更多
关键词
注意力机制
变分模态分解
双向门控循环单元
权值共享
负荷预测
下载PDF
职称材料
基于改进VMD和聚类权值共享的负荷预测
2
作者
邵必林
严
义川
曾卉玢
《武汉大学学报（工学版）》
CAS
CSCD
北大核心
2024年第9期1310-1318,共9页
针对常见的数据分解加预测算法的组合负荷预测方法具有参数多、训练慢以及模态间共有信息不能有效提取的问题,提出了一种基于改进变分模态分解(variational mode decomposition,VMD)和聚类权值共享的负荷预测模型。模型首先引入互相关...
针对常见的数据分解加预测算法的组合负荷预测方法具有参数多、训练慢以及模态间共有信息不能有效提取的问题,提出了一种基于改进变分模态分解(variational mode decomposition,VMD)和聚类权值共享的负荷预测模型。模型首先引入互相关函数以寻找VMD的最优分解K值,然后利用K-means将分解后的模态分量进行聚类以突出模态分量的时序特征,最后利用权值共享思想对聚类后的分量进行快速准确的建模预测。仿真结果表明:该模型的平均绝对百分比误差(mean absolute percentage error,MAPE)和均方根误差(root mean square error,RMSE)分别为5.29%和986.50,与传统的单一预测模型相比,所提算法的MAPE和RMSE平均降低了7.50%和982.41;与常见的数据分解加预测算法的组合相比,所提算法的MAPE和RMSE平均降低了3.09%和268.93,训练速度也有一定提升。
展开更多
关键词
负荷预测
变分模态分解
权值共享
K-MEANS聚类
长短期记忆网络
原文传递
题名
注意力机制下的VMD-IDBiGRU负荷预测模型
被引量：
7
1
作者
邵必林
严
义川
曾卉玢
机构
西安建筑科技大学管理学院
出处
《电力系统及其自动化学报》
CSCD
北大核心
2022年第10期120-128,共9页
基金
国家自然科学基金资助项目(62072363)。
文摘
针对传统神经网络在负荷预测中精度欠佳、预测速度较慢的问题,提出一种基于注意力机制、变分模态分解和改进的深度双向门控循环单元短期负荷预测模型。该模型首先通过变分模态分解算法将负荷数据分解,以降低原始负荷数据的复杂度。然后:针对传统分解加预测组合模型存在参数多、模型复杂的问题,基于权值共享的思想建立改进的深度双向门控循环单元神经网络;引入注意力机制来突出关键因素的影响,通过注意力权重深度挖掘负荷数据存在的规律。最后,以中国某地区的负荷数据作为实例,通过与传统预测模型进行对比得出,本文所提模型在精度和速度方面均有一定的提升。
关键词
注意力机制
变分模态分解
双向门控循环单元
权值共享
负荷预测
Keywords
attention mechanism
variational modal decomposition(VMD)
bi-directional gated recurrent unit(GRU)
weight sharing
load prediction
分类号
TM715 [电气工程—电力系统及自动化]
下载PDF
职称材料
题名
基于改进VMD和聚类权值共享的负荷预测
2
作者
邵必林
严
义川
曾卉玢
机构
西安建筑科技大学管理学院
出处
《武汉大学学报（工学版）》
CAS
CSCD
北大核心
2024年第9期1310-1318,共9页
基金
国家自然科学基金项目(编号:62072363)。
文摘
针对常见的数据分解加预测算法的组合负荷预测方法具有参数多、训练慢以及模态间共有信息不能有效提取的问题,提出了一种基于改进变分模态分解(variational mode decomposition,VMD)和聚类权值共享的负荷预测模型。模型首先引入互相关函数以寻找VMD的最优分解K值,然后利用K-means将分解后的模态分量进行聚类以突出模态分量的时序特征,最后利用权值共享思想对聚类后的分量进行快速准确的建模预测。仿真结果表明:该模型的平均绝对百分比误差(mean absolute percentage error,MAPE)和均方根误差(root mean square error,RMSE)分别为5.29%和986.50,与传统的单一预测模型相比,所提算法的MAPE和RMSE平均降低了7.50%和982.41;与常见的数据分解加预测算法的组合相比,所提算法的MAPE和RMSE平均降低了3.09%和268.93,训练速度也有一定提升。
关键词
负荷预测
变分模态分解
权值共享
K-MEANS聚类
长短期记忆网络
Keywords
load forecasting
variational modal decomposition
weight sharing
K-means clustering
long and short-term memory networks
分类号
TU996.3 [建筑科学—供热、供燃气、通风及空调工程]
TP183 [建筑科学—市政工程]
原文传递
题名
作者
出处
发文年
被引量
操作
1
注意力机制下的VMD-IDBiGRU负荷预测模型
邵必林
严
义川
曾卉玢
《电力系统及其自动化学报》
CSCD
北大核心
2022
7
下载PDF
职称材料
2
基于改进VMD和聚类权值共享的负荷预测
邵必林
严
义川
曾卉玢
《武汉大学学报（工学版）》
CAS
CSCD
北大核心
2024
0
原文传递
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
