典型文献
基于MMoE多任务学习和长短时记忆网络的综合能源系统负荷预测
文献摘要：
精确的多元负荷预测是实现综合能源系统优化调度与经济运行的关键技术.在考虑多元负荷相关性的基础上,提出一种基于MMoE多任务学习和长短时记忆网络(LSTM)的多元负荷预测方法.利用皮尔逊相关系数分析冷热电负荷及气象因素存在的强相关性和弱相关性;构建MMoE多任务学习模型,利用专家子网和门控单元学习多元负荷间耦合特性的差异;使用LSTM构建子任务模型,对多元负荷进行预测.利用公开数据集进行性能验证,结果表明所提基于MMoE多任务学习和LSTM的模型能够有效提升多元负荷预测精度.
文献关键词：
多元负荷预测;综合能源系统;相关性分析;MMoE多任务学习;长短时记忆网络;专家网络
中图分类号：
作者姓名：
吴晨;姚菁;薛贵元;王剑晓;吴垠;何凯
作者机构：
国网江苏省电力有限公司经济技术研究院,江苏 南京210008;北京清能互联科技有限公司,北京100080;华北电力大学新能源电力系统国家重点实验室,北京102206
文献出处：
引用格式：
[1]吴晨;姚菁;薛贵元;王剑晓;吴垠;何凯-.基于MMoE多任务学习和长短时记忆网络的综合能源系统负荷预测)[J].电力自动化设备,2022(07):33-39
A类：
MMoE,综合能源系统负荷预测
B类：
多任务学习,长短时记忆网络,多元负荷预测,系统优化,优化调度,经济运行,负荷预测方法,皮尔逊相关系数,相关系数分析,冷热电负荷,气象因素,强相关性,家子,子网,门控单元,单元学习,耦合特性,子任务,任务模型,公开数据集,性能验证,专家网络
AB值：
0.204677
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。
