期刊导航
期刊开放获取
河南省图书馆
退出
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
4
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式:
文摘
详细
列表
相关度排序
被引量排序
时效性排序
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
1
作者
栗然
罗东晖
+5 位作者
李鹏程
臧向迪
张文昕
祝晋尧
严敬汝
回旭
《华北电力大学学报(自然科学版)》
CAS
北大核心
2023年第6期21-30,共10页
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,CEEMD...
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。
展开更多
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
下载PDF
职称材料
基于宽度&深度学习的基站网络流量预测方法
被引量:
7
2
作者
陈浩杰
黄锦
+2 位作者
左兴权
韩静
张百胜
《郑州大学学报(工学版)》
CAS
北大核心
2022年第1期7-13,共7页
针对无线网络流量长期预测问题,提出一种基于宽度&深度学习的基站网络流量预测方法。首先,利用S-H-ESD算法和数据平滑方法对网络流量数据进行预处理,以降低噪声数据对预测的影响;然后,将网络流量作为宽度&深度模型的深度部分(...
针对无线网络流量长期预测问题,提出一种基于宽度&深度学习的基站网络流量预测方法。首先,利用S-H-ESD算法和数据平滑方法对网络流量数据进行预处理,以降低噪声数据对预测的影响;然后,将网络流量作为宽度&深度模型的深度部分(神经网络)的输入,将无线资源控制(RRC)连接数和物理资源块(PRB)利用率作为模型的宽度部分(线性模型)输入,通过结合深度部分和宽度部分来预测网络流量。所提方法为所有基站的网络流量建立一个预测模型,预测结果的均方根对数误差(RMSLE)为0.985,明显优于传统的季节性差分自回归滑动平均模型(RMSLE为2.095)和长短期记忆网络模型(RMSLE为3.281)。实验结果表明:宽度&深度模型通过结合线性模型的记忆能力和深度模型的泛化能力,能够更好地解决无线网络流量的长期预测问题。
展开更多
关键词
宽度&深度模型
深度
学习
基站网络流量
流量预测
时间序列预测
神经网络
下载PDF
职称材料
基于Wide&Deep-XGB2LSTM模型的超短期光伏功率预测
被引量:
9
3
作者
栗然
丁星
+3 位作者
孙帆
韩怡
刘会兰
严敬汝
《电力自动化设备》
EI
CSCD
北大核心
2021年第7期31-37,共7页
为了充分利用电网自身的海量历史数据进行光伏功率预测,提出一种宽度&深度(Wide&Deep)框架下融合极限梯度提升(XGBoost)算法和长短时记忆网络(LSTM)的Wide&Deep-XGB2LSTM超短期光伏功率预测模型。对历史数据进行特征提取,...
为了充分利用电网自身的海量历史数据进行光伏功率预测,提出一种宽度&深度(Wide&Deep)框架下融合极限梯度提升(XGBoost)算法和长短时记忆网络(LSTM)的Wide&Deep-XGB2LSTM超短期光伏功率预测模型。对历史数据进行特征提取,获得时间、辐照度、温度等原始特征,在此基础上进行特征重构,通过交叉组合和挖掘统计特征构造辐照度×辐照度、均值、标准差等组合特征,并通过Filter法和Embedded法进行特征选择。在TensorFlow框架下通过算例对比验证了所提模型及特征工程工作对光伏功率预测性能的提升效果。
展开更多
关键词
光伏功率预测
宽度&深度模型
极限梯度提升
长短时记忆网络
特征工程
模型
融合
下载PDF
职称材料
基于Wide&Deep-LSTM模型的短期台区负荷预测
被引量:
53
4
作者
吕海灿
王伟峰
+3 位作者
赵兵
张毅
郭秋婷
胡伟
《电网技术》
EI
CSCD
北大核心
2020年第2期428-436,共9页
负荷预测是电力系统经济运行的基础,其对电力系统规划和运行都极其重要。由于影响负荷预测的因素较多,因此用常规的方法很难获得较好的预测结果。随着新一代人工智能技术的兴起,尤其以深度学习和大数据技术的快速发展,为进一步提高负荷...
负荷预测是电力系统经济运行的基础,其对电力系统规划和运行都极其重要。由于影响负荷预测的因素较多,因此用常规的方法很难获得较好的预测结果。随着新一代人工智能技术的兴起,尤其以深度学习和大数据技术的快速发展,为进一步提高负荷预测的精确度奠定了良好的基础。文中将深度学习方法引入到电力系统的短期台区负荷预测中,综合利用了负荷台区的电压、电流、功率以及时间等特征信息。同时在已有的长短期记忆网络(LSTM)模型和宽度&深度(Wide&Deep)模型的基础上,建立了基于Wide&DeepLSTM的深度学习短期负荷预测模型,并在此基础上进行了日前台区负荷预测。该模型能够兼具深度神经网络的学习能力与LSTM模块的时间序列信息表达特性,能够较好地解决台区电力负荷预测的多特征维度及时序性特征问题。最后利用Tensorflow深度学习框架生成了仿真模型并加以验证,仿真结果充分证明了所提方法的准确性与实用性。
展开更多
关键词
负荷预测
大数据
深度
学习
长短期记忆网络
宽度&深度模型
下载PDF
职称材料
题名
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
1
作者
栗然
罗东晖
李鹏程
臧向迪
张文昕
祝晋尧
严敬汝
回旭
机构
华北电力大学电气与电子工程学院
国网宁波供电公司
国网河北省电力有限公司电力科学研究院
国网保定供电公司
出处
《华北电力大学学报(自然科学版)》
CAS
北大核心
2023年第6期21-30,共10页
文摘
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
Keywords
short-term load forecasting
integrated energy system
long-short term memory
wide
&
deep
resNet
分类号
TM715 [电气工程—电力系统及自动化]
下载PDF
职称材料
题名
基于宽度&深度学习的基站网络流量预测方法
被引量:
7
2
作者
陈浩杰
黄锦
左兴权
韩静
张百胜
机构
北京邮电大学计算机学院
北京邮电大学可信分布式计算与服务教育部重点实验室
中兴通讯股份有限公司
出处
《郑州大学学报(工学版)》
CAS
北大核心
2022年第1期7-13,共7页
基金
国家自然科学基金资助项目(61873040)。
文摘
针对无线网络流量长期预测问题,提出一种基于宽度&深度学习的基站网络流量预测方法。首先,利用S-H-ESD算法和数据平滑方法对网络流量数据进行预处理,以降低噪声数据对预测的影响;然后,将网络流量作为宽度&深度模型的深度部分(神经网络)的输入,将无线资源控制(RRC)连接数和物理资源块(PRB)利用率作为模型的宽度部分(线性模型)输入,通过结合深度部分和宽度部分来预测网络流量。所提方法为所有基站的网络流量建立一个预测模型,预测结果的均方根对数误差(RMSLE)为0.985,明显优于传统的季节性差分自回归滑动平均模型(RMSLE为2.095)和长短期记忆网络模型(RMSLE为3.281)。实验结果表明:宽度&深度模型通过结合线性模型的记忆能力和深度模型的泛化能力,能够更好地解决无线网络流量的长期预测问题。
关键词
宽度&深度模型
深度
学习
基站网络流量
流量预测
时间序列预测
神经网络
Keywords
Wide
&
Deep model
deep learning
base station network traffic
traffic prediction
time series prediction
neural network
分类号
TP393.0 [自动化与计算机技术—计算机应用技术]
下载PDF
职称材料
题名
基于Wide&Deep-XGB2LSTM模型的超短期光伏功率预测
被引量:
9
3
作者
栗然
丁星
孙帆
韩怡
刘会兰
严敬汝
机构
华北电力大学电气与电子工程学院
国网河北省电力有限公司电力科学研究院
出处
《电力自动化设备》
EI
CSCD
北大核心
2021年第7期31-37,共7页
基金
中央高校基本科研业务费专项资金资助项目(2017MS093)。
文摘
为了充分利用电网自身的海量历史数据进行光伏功率预测,提出一种宽度&深度(Wide&Deep)框架下融合极限梯度提升(XGBoost)算法和长短时记忆网络(LSTM)的Wide&Deep-XGB2LSTM超短期光伏功率预测模型。对历史数据进行特征提取,获得时间、辐照度、温度等原始特征,在此基础上进行特征重构,通过交叉组合和挖掘统计特征构造辐照度×辐照度、均值、标准差等组合特征,并通过Filter法和Embedded法进行特征选择。在TensorFlow框架下通过算例对比验证了所提模型及特征工程工作对光伏功率预测性能的提升效果。
关键词
光伏功率预测
宽度&深度模型
极限梯度提升
长短时记忆网络
特征工程
模型
融合
Keywords
photovoltaic power prediction
Wide
&
Deep model
XGBoost
LSTM
feature engineering
model fusion
分类号
TM615 [电气工程—电力系统及自动化]
下载PDF
职称材料
题名
基于Wide&Deep-LSTM模型的短期台区负荷预测
被引量:
53
4
作者
吕海灿
王伟峰
赵兵
张毅
郭秋婷
胡伟
机构
国网浙江省电力有限公司
中国电力科学研究院有限公司
电力系统及发电设备控制和仿真国家重点实验室(清华大学)
出处
《电网技术》
EI
CSCD
北大核心
2020年第2期428-436,共9页
文摘
负荷预测是电力系统经济运行的基础,其对电力系统规划和运行都极其重要。由于影响负荷预测的因素较多,因此用常规的方法很难获得较好的预测结果。随着新一代人工智能技术的兴起,尤其以深度学习和大数据技术的快速发展,为进一步提高负荷预测的精确度奠定了良好的基础。文中将深度学习方法引入到电力系统的短期台区负荷预测中,综合利用了负荷台区的电压、电流、功率以及时间等特征信息。同时在已有的长短期记忆网络(LSTM)模型和宽度&深度(Wide&Deep)模型的基础上,建立了基于Wide&DeepLSTM的深度学习短期负荷预测模型,并在此基础上进行了日前台区负荷预测。该模型能够兼具深度神经网络的学习能力与LSTM模块的时间序列信息表达特性,能够较好地解决台区电力负荷预测的多特征维度及时序性特征问题。最后利用Tensorflow深度学习框架生成了仿真模型并加以验证,仿真结果充分证明了所提方法的准确性与实用性。
关键词
负荷预测
大数据
深度
学习
长短期记忆网络
宽度&深度模型
Keywords
load forecasting
big data
deep learning
long-short-term memory
wide
&
deep model
分类号
TM715 [电气工程—电力系统及自动化]
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
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
栗然
罗东晖
李鹏程
臧向迪
张文昕
祝晋尧
严敬汝
回旭
《华北电力大学学报(自然科学版)》
CAS
北大核心
2023
0
下载PDF
职称材料
2
基于宽度&深度学习的基站网络流量预测方法
陈浩杰
黄锦
左兴权
韩静
张百胜
《郑州大学学报(工学版)》
CAS
北大核心
2022
7
下载PDF
职称材料
3
基于Wide&Deep-XGB2LSTM模型的超短期光伏功率预测
栗然
丁星
孙帆
韩怡
刘会兰
严敬汝
《电力自动化设备》
EI
CSCD
北大核心
2021
9
下载PDF
职称材料
4
基于Wide&Deep-LSTM模型的短期台区负荷预测
吕海灿
王伟峰
赵兵
张毅
郭秋婷
胡伟
《电网技术》
EI
CSCD
北大核心
2020
53
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部