基于宽度和深度模型以及残差网络的综合能源负荷短期预测 |
| |
引用本文: | 栗然,罗东晖,李鹏程,臧向迪,张文昕,祝晋尧,严敬汝,回旭.基于宽度和深度模型以及残差网络的综合能源负荷短期预测[J].华北电力大学学报,2023(6):21-30. |
| |
作者姓名: | 栗然 罗东晖 李鹏程 臧向迪 张文昕 祝晋尧 严敬汝 回旭 |
| |
作者单位: | 1. 华北电力大学电气与电子工程学院;2. 国网宁波供电公司;3. 国网河北省电力有限公司电力科学研究院;4. 国网保定供电公司 |
| |
摘 要: | 针对用户级综合能源系统负荷波动大,能源耦合复杂的特点,提出一种基于深度和宽度模型(Wide&Deep)和残差网络(ResNet)框架并且采用完整集成经验模态分解(Complete Ensemble Empirical Mode Decomposition with Adaptive Noise, CEEMDAN)和主成分分析(Principal Components Analysis, PCA)的综合能源系统联合负荷预测方法。所提模型由宽度和深度两部分组成:深度部分参考ResNet拟合残差映射的思想将多个长短期神经网络(Long Short-Term Memory, LSTM)子层堆叠构建深度预测网络,深度部分数据在输入前采用CEEMDAN进行分解,并利用主成分分析对分解结果进行主要影响因素提取和排序,并通过对数据的梯级输入实现对不同信息密度数据的梯级利用;宽度部分则采用简单模型并对传统Wide&Deep-LSTM模型的Wide部分输入进行改进,有效降低了模型的训练难度。通过实际算例分析可知所提模型具有良好的预测精度和收敛速度。与常规模型相比,所提模型具有一定优越性。
|
关 键 词: | 短期负荷预测 综合能源系统 长短期神经网络 深度&宽度模型 残差网络 |
|
|