电网技术

2018, v.42;No.412(03) 698-707

[打印本页] [关闭]
本期目录(Current Issue) | 过刊浏览(Past Issue) | 高级检索(Advanced Search)

基于深度结构多任务学习的园区型综合能源系统多元负荷预测
Multi-Task Learning Based on Deep Architecture for Various Types of Load Forecasting in Regional Energy System Integration

史佳琪;谭涛;郭经;刘阳;张建华;

摘要(Abstract):

为进一步减轻环境压力,提高能源利用效率,综合能源系统已经成为了能源转型过程中一种重要的能源利用方式,电、热、气系统之间的联系更加的紧密。精确的能源需求预测将成为综合能源系统经济调度和优化运行中重要的一环。提出了基于深度结构多任务学习的短期电、热、气负荷联合预测方法。首先介绍了底层深度置信网络和顶层多任务回归的深度模型结构,其中深度置信网络作为无监督学习方法提取了抽象高级特征,多任务回归层作为有监督学习方法输出预测结果;其次建立含离线训练和在线预测的多元负荷预测系统,分析天气信息、历史信息、日历信息及经济数据的输入属性,提出验证模型预测精度的指标;最后,采用某综合能源系统的实际数据对算法的有效性进行了验证,结果显示深度学习和多任务学习在能源需求预测方面有较好的应用效果。

关键词(KeyWords): 综合能源系统;多元负荷预测;深度学习;多任务学习

Abstract:

Keywords:

基金项目(Foundation): 中央高校基本科研业务费专项资金(2016XS10);; 国家自然科学基金项目(51507061)~~

作者(Author): 史佳琪;谭涛;郭经;刘阳;张建华;

Email:

DOI:

参考文献(References):

扩展功能
本文信息
服务与反馈
本文关键词相关文章
本文作者相关文章
中国知网
分享