文献知网节
  • 记笔记

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

史佳琪谭涛郭经刘阳张建华

新能源电力系统国家重点实验室(华北电力大学)

摘要: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。
  • DOI:

    10.13335/j.1000-3673.pst.2017.2368

  • 专辑:

    理工C(机电航空交通水利建筑能源)

  • 专题:

    动力工程

  • 分类号:

    TK01

  • 手机阅读
    即刻使用手机阅读
    第一步

    扫描二维码下载

    "移动知网-全球学术快报"客户端

    第二步

    打开“全球学术快报”

    点击首页左上角的扫描图标

    第三步

    扫描二维码

    手机同步阅读本篇文献

  • CAJ下载
  • PDF下载

下载手机APP用APP扫此码同步阅读该篇文章

下载:1763 页码:698-707 页数:10 大小:686K

相关文献推荐
  • 相似文献
  • 读者推荐
  • 相关基金文献
  • 关联作者