.png){kind=icon}
返回
FTimeDD: A Time–Frequency Collaborative Model for Multi-Energy Load Forecasting
.png){kind=icon}
OA
AI
DOI：10.3390/en19112729.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
随着全球能源转型，综合能源系统（IESs）通过协调多种能源来源（包括电力、制冷和供暖）来提高效率。准确的需求预测对于可靠能源系统运行至关重要。然而，多能源需求表现出复杂的耦合性、非平稳性和长期依赖性。这些特性对预测任务构成了显著挑战。现有方法提高了短期预测精度，但在联合捕捉长期趋势和局部波动方面仍存在困难。为解决这些问题，本文提出FTimeDD，一种用于IESs中多能源需求预测的时间-频率协同模型。它采用双路径解耦架构。时域路径分离趋势和波动分量，而频域路径提取主导周期性特征。然后融合两条路径以预测电力、制冷和供暖需求。在ASU综合能源系统数据集上的实验表明，FTimeDD在不同预测时间范围内表现良好。与各指标和时间范围的基准模型相比，FTimeDD平均将MAE、RMSE和MAPE分别降低3.85%、2.48%和1.91%。该方法在保持紧凑模型规模和低计算成本的同时，提高了预测精度。
Keyword:
IES
multi-energy load forecasting
long-term dependencies
dual-path decoupling architecture
time-frequency collaborative modeling
期刊
IF:
3.2
论文数:
1.6W
被引数:
14.2W
机构
引用论文
分享收藏EnergyGPT: Fine-tuning large language model for multi-energy load forecastingEnergyGPT：微调大型语言模型以进行多能源负荷预测.png)
RENEWABLE ENERGY
RENEWABLE ENERGYIF9.1
PREAI
分享收藏TiBT-Net: A High-Resolution Remote Sensing Image Change Detection Network Integrating Bi-Temporal Space Enhancement and Token InteractionTiBT-Net: 一种集成双时相空间增强和标记交互的高分辨率遥感图像变化检测网络Remote Sensing
OAAI
Remote SensingIF4.1
OAAI分享收藏XGBoostProceedings of the 22nd ACM SIGKDD International Conference on Knowledge Discovery and Data MiningOAAI
Proceedings of the 22nd ACM SIGKDD International Conference on Knowledge Discovery and Data MiningIF0
OAAI分享收藏SegRNN: Segment Recurrent Neural Network for Long-Term Time-Series ForecastingSegRNN: 用于长期时间序列预测的分段递归神经网络
PREAI
分享收藏A novel multi-energy load forecasting method based on building flexibility feature recognition technology and multi-task learning model integrating LSTM基于建筑物柔性特征识别技术和多任务学习模型融合LSTM的多能负荷预测新方法ENERGY
ENERGYIF9.4
PREAI
分享收藏Frequency-Enhanced Dual-Stream Parallel Network for Multienergy Load Forecasting王志、周世、梁旭、夏明、刘俊. 用于多能源负载预测的频率增强双流并行网络. IEEE 产业信息汇刊, 2026, 1–11. [谷歌学术] [ CrossRef ]
PREAI
分享收藏
查看更多内容