文献检索-宁波市创意产业特色资源库

限定检索结果

基于VMD和LSTM-CNN的短期负荷预测模型研究: 收藏
分享
引用; 《控制工程》2023年第3期30卷 469-478页; 作者：李善寿马枭杰潘璐茜陶勇方潜生安徽建筑大学智能建筑与建筑节能安徽省重点实验室安徽.合肥230022 国家电网肥西县供电公司安徽.合肥231200; 针对传统长短期记忆神经网络结构上缺乏纠错设计的问题,提出了一种基于变分模态分解(VMD)和长短期记忆卷积神经网络(LSTM-CNN)的短期负荷预测模型。该模型通过在长短期记忆神经网络中引入一维卷积模块,使模型具备纠正隐藏状态向量错误...; 针对传统长短期记忆神经网络结构上缺乏纠错设计的问题,提出了一种基于变分模态分解(VMD)和长短期记忆卷积神经网络(LSTM-CNN)的短期负荷预测模型。该模型通过在长短期记忆神经网络中引入一维卷积模块,使模型具备纠正隐藏状态向量错误的能力。同时利用VMD对温度、湿度等气象数据进行分解,提取与建筑负荷相关性最高的模态分量作为输入特征向量,增强输入特征向量与负荷数据的关联度。实验结果表明,该模型预测结果的均方根误差、平均绝对百分误差相比于传统LSTM模型分别降低了102.16和0.93%,验证了该模型在短期负荷预测中的有效性。; 来源：详细信息评论

限定检索结果