-
题名基于集成深度学习算法的燃气负荷预测方法
被引量：10
- 1
-
-
作者
王晓霞
徐晓钟
张彤
高超伟
-
机构
上海师范大学信息与机电工程学院
-
出处
《计算机系统应用》
2019年第12期47-54,共8页
-
基金
上海市科委项目(115105024)~~
-
文摘
燃气负荷预测受到社会经济、天气因素、日期类型等多种复杂因素的影响,而多因素的共同作用则必然会导致燃气负荷序列变化趋势具有很大的随机性以及一定程度上的复杂性.为了有效提高燃气负荷预测的精度,本文提出了一种新型的集成深度算法来对燃气负荷进行多步预测.首先通过EEMD算法将非平稳非线性的负荷序列分解为若干个稳态且线性的本征模式分量及剩余项,有效的避免了传统EMD带来的模态混叠问题,然后将负荷数据的影响因素输入到AutoEncoder中进行特征提取并做非线性降维处理,再将EEMD分解得到的每个子序列分别与AutoEncoder提取到的特征序列组成不同的训练矩阵,最后针对不同的子序列对应的训练矩阵建立相应的LSTM预测模型,重构分量预测值得到最终预测结果.为了验证所提出算法的有效性和预测性能,使用上海燃气数据来进行上述模型的仿真实验,结果证明相较对比方法,预测精度有了明显的提高.
-
关键词
燃气负荷预测
长短时记忆网络
集合经验模式分解
集成算法
AutoEncoder
时间序列分析
-
Keywords
gas load forecasting
Long Short Term Memory(LSTM)network
ensemble empirical mode decomposition
integrated algorithm
AutoEncoder
time series analysis
-
分类号
TU996
[建筑科学—供热、供燃气、通风及空调工程]
TP18
[建筑科学—市政工程]
-
