基于CNN编码—LSTM解...智慧家庭用电量预测技术研究_张硕.pdf
《基于CNN编码—LSTM解...智慧家庭用电量预测技术研究_张硕.pdf》由会员分享,可在线阅读,更多相关《基于CNN编码—LSTM解...智慧家庭用电量预测技术研究_张硕.pdf(3页珍藏版)》请在咨信网上搜索。
1、书书书 ,基金项目微型电脑应用 年第 卷第期基金项目:国家自然科学基金项目()作者简介:张硕(),男,硕士,研究方向为智能楼宇能耗预测;周小林(),男,博士,副教授,研究方向为智能楼宇与智慧城市;张宇(),男,本科生,研究方向为智能楼宇能耗预测;唐钧(),男,本科生,研究方向为智能楼宇能耗预测。文章编号:()基于 编码 解码混合神经网络的智慧家庭用电量预测技术研究张硕,周小林,张宇,唐钧(复旦大学,信息科学与工程学院,上海 )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 编码 解码的混合神经网络模型。该模型先采用 编码器提取特征变量之
2、间的有效信息并编码为定长矢量,再采用 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;编码器解码器中图分类号:文献标志码:,(,):,:;引言近年来,由于人口的不断增长和科技的飞速发展,建筑能耗总量及其比重持续上升,其中,住宅能耗占建筑能耗总量的四分之三。住宅能耗主要来自居民家用电器。随着社会对电力系统运行的安全性、稳定性以及经济性要求的不断提高,用电量
3、预测的重要性也日益突出。然而,住宅用电量具有明显的趋势性、季节性和随机性,而且还与居民的日常生活和工作规律相关,再加上数据采集时可能出现异常、缺失、冗杂等影响,准确地对其进行预测并非易事。利用传统的、等统计方法对用电量进行预测已越来越不能满足实际应用的需求。、随机森林、等多种传统的机器学习方法也只能提取较浅层的特征,且缺少对时间序列的分析。近几年,随着 和 算法分别在图像识别和语音识别等方面取得的巨大成功,它们的应用范围也越来越广泛。许多研究者也开始将这两种模型相结合应用在建筑能耗预测领域中。鉴于 强大的数据特征提取能力以及 出色的时间序列分析能力,本文将其结合,并应用于可以处理变长序列的编码
4、器解码器结构中,提出了一种基于 编码 解码混合神经网络的住宅用电量预测模型(以下简称 模型)。编码器用于提取特征变量之间的关系,并将其编码为定长矢量。解码器用于对时间序列进行建模分析,并解码定长矢量为变长序列。最后,通过实例分析,将该模型与其他竞争基准模型进行对比,结果表明,模型具有更高的准确性和有效性。,基金项目微型电脑应用 年第 卷第期 编码 解码混合神经网络 原理结构卷积神经网络()的基本结构包括卷积层、池化层和全连接层。卷积层的主要功能是通过卷积单元进行卷积运算提取不同的输入特征。池化层的功能是对输入变量进行二次采样,将卷积层得到的特征的维度降低,以防止出现过拟合的现象。全连接层可以将
5、卷积层或池化层提取的局部特征整合成全局特征。原理结构长短期记忆网络()能够学习长期依赖关系,有效解决 中存在的梯度消失问题。它增加了一个记忆细胞,细胞主要由遗忘门、输入门和输出门构成,如图所示。遗忘门用于控制丢弃或保留多少前一时刻记忆细胞中的信息,输入门用于控制当前时刻多少信息能被输入和保存到记忆细胞中,输出门用于控制记忆细胞中哪些信息会在当前时刻输出。图 结构示意图 编码器解码器原理结构编码器解码器()是一类模型框架,并非特指某一种具体的算法。在这个框架下,输入和输出的内容可以是任意的文字、语音、图像、视频数据等,所以可以使用各种不同的算法来解决不同的任务。它主要应用于序列到序列()问题的求
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 基于 CNN 编码 LSTM 智慧 家庭 用电量 预测 技术研究
1、咨信平台为文档C2C交易模式,即用户上传的文档直接被用户下载,收益归上传人(含作者)所有;本站仅是提供信息存储空间和展示预览,仅对用户上传内容的表现方式做保护处理,对上载内容不做任何修改或编辑。所展示的作品文档包括内容和图片全部来源于网络用户和作者上传投稿,我们不确定上传用户享有完全著作权,根据《信息网络传播权保护条例》,如果侵犯了您的版权、权益或隐私,请联系我们,核实后会尽快下架及时删除,并可随时和客服了解处理情况,尊重保护知识产权我们共同努力。
2、文档的总页数、文档格式和文档大小以系统显示为准(内容中显示的页数不一定正确),网站客服只以系统显示的页数、文件格式、文档大小作为仲裁依据,平台无法对文档的真实性、完整性、权威性、准确性、专业性及其观点立场做任何保证或承诺,下载前须认真查看,确认无误后再购买,务必慎重购买;若有违法违纪将进行移交司法处理,若涉侵权平台将进行基本处罚并下架。
3、本站所有内容均由用户上传,付费前请自行鉴别,如您付费,意味着您已接受本站规则且自行承担风险,本站不进行额外附加服务,虚拟产品一经售出概不退款(未进行购买下载可退充值款),文档一经付费(服务费)、不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
4、如你看到网页展示的文档有www.zixin.com.cn水印,是因预览和防盗链等技术需要对页面进行转换压缩成图而已,我们并不对上传的文档进行任何编辑或修改,文档下载后都不会有水印标识(原文档上传前个别存留的除外),下载后原文更清晰;试题试卷类文档,如果标题没有明确说明有答案则都视为没有答案,请知晓;PPT和DOC文档可被视为“模板”,允许上传人保留章节、目录结构的情况下删减部份的内容;PDF文档不管是原文档转换或图片扫描而得,本站不作要求视为允许,下载前自行私信或留言给上传者【自信****多点】。
5、本文档所展示的图片、画像、字体、音乐的版权可能需版权方额外授权,请谨慎使用;网站提供的党政主题相关内容(国旗、国徽、党徽--等)目的在于配合国家政策宣传,仅限个人学习分享使用,禁止用于任何广告和商用目的。
6、文档遇到问题,请及时私信或留言给本站上传会员【自信****多点】,需本站解决可联系【 微信客服】、【 QQ客服】,若有其他问题请点击或扫码反馈【 服务填表】;文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“【 版权申诉】”(推荐),意见反馈和侵权处理邮箱:1219186828@qq.com;也可以拔打客服电话:4008-655-100;投诉/维权电话:4009-655-100。