典型文献
基于聚合混合模态分解和时序卷积神经网络的综合能源系统负荷修正预测
文献摘要：
为增强综合能源系统负荷精细化分解水平,充分利用误差信息以进一步提升预测性能,提出一种基于聚合混合模态分解和时序卷积神经网络(temporal convolutional network,TCN)的综合能源系统负荷修正预测框架.首先,采用改进完全集合经验模态分解对电、冷和热负荷初步分解处理,随后利用变分模态分解对具有强复杂性的子序列进一步分解.然后,依据最大信息系数(maximum information coefficient,MIC)分析多元负荷的耦合特性并通过多元相空间重构(multivariate phase space reconstruction,MPSR)丰富特征信息.最后,构建基于TCN的修正预测模型.以校园综合能源系统算例对比不同预测模型,结果显示所提修正预测框架的电、冷和热负荷预测均具有较低的平均绝对百分比误差,有效解决了预测中模态分解的模态混叠以及模态高频分量问题,实现预测误差修正.
文献关键词：
综合能源系统负荷预测;混合模态分解;最大信息系数;时序卷积神经网络;误差修正
中图分类号：
作者姓名：
李文武;张鹏宇;石强;冯晨洋;李丹
作者机构：
三峡大学电气与新能源学院,湖北省宜昌市443002;梯级水电站运行与控制湖北省重点实验室(三峡大学),湖北省宜昌市443002;广东电网有限责任公司广州黄埔供电局,广东省广州市510700
文献出处：
引用格式：
[1]李文武;张鹏宇;石强;冯晨洋;李丹-.基于聚合混合模态分解和时序卷积神经网络的综合能源系统负荷修正预测)[J].电网技术,2022(09):3345-3353
A类：
混合模态分解,负荷精细化,综合能源系统负荷预测
B类：
时序卷积神经网络,分解水,预测性能,temporal,convolutional,network,TCN,进完,完全集合经验模态分解,变分模态分解,子序列,最大信息系数,maximum,information,coefficient,MIC,多元负荷,耦合特性,相空间重构,multivariate,phase,space,reconstruction,MPSR,特征信息,热负荷预测,平均绝对百分比误差,模态混叠,高频分量,预测误差,误差修正
AB值：
0.266015
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
