一种用于智能电网能源系统时间序列预测的复数值神经网络方法
Igor Aizenberg
Lorenzo Becchi
Marco Bindi
Matteo Intravaia
Antonio Luchetta
《Energies》:A Complex-Valued Neural Network Approach to Time Series Forecasting in Smart Grid Energy Systems
Igor Aizenberg,
Lorenzo Becchi,
Marco Bindi,
Matteo Intravaia and
Antonio Luchetta
【字体:
大
中
小
】
时间:2026年05月09日
来源:Energies 3.2
摘要
本研究致力于将基于多层神经网络(MLMVN,即具有多值神经元的多层神经网络)的复数值神经网络应用于智能电网能源系统中的短期电力负荷预测。精确的预测是能源管理系统的关键组成部分,因为它直接影响到在日益分散和随机化环境下控制和优化策略的效率。所提出的方法利用复数的内在属性来模拟负荷时间序列中的周期性和非线性关系。采用了一个包含两个隐藏层的紧凑前馈架构,并结合了多种预处理策略,包括单位圆编码、傅里叶变换表示以及结合时间信息(如一周中的某一天)的混合特征映射。所提出模型的性能通过实际的用户-生产者(prosumer)数据进行了评估,并与两个基准模型进行了比较:一个季节性持续性模型和一个长短期记忆网络。结果表明,尽管MLMVN的架构复杂性较低,但在均方根误差(RMSE)和误差减少能力方面,其性能与这两个基准模型相当或有所改进。基于傅里叶变换的预处理方法在捕捉潜在的时间模式方面表现出很强的有效性。这些发现表明,复数值表示为传统的深度学习方法提供了一种有前景的替代方案,在智能电网预测应用中实现了准确性、可解释性和计算效率之间的良好平衡。
生物通微信公众号
生物通新浪微博
今日动态 |
人才市场 |
新技术专栏 |
中国科学人 |
云展台 |
BioHot |
云讲堂直播 |
会展中心 |
特价专栏 |
技术快讯 |
免费试用
版权所有 生物通
Copyright© eBiotrade.com, All Rights Reserved
联系信箱:
粤ICP备09063491号