arrow
返回

Missing data-aware robust electrical load forecasting based on hierarchical downsampling-upsampling spatiotemporal graph network

delete2025-12-17
delete0
PRE
AI
P
Pengfei Zhao
Z
Zhirong Shen
D
Di Cao *
Z
Zhiping Lin
陈真 封面图
陈真 (Zhe Chen)
胡维昊 封面图
胡维昊 (Weihao Hu)
DOI:10.1016/j.apenergy.2025.127209delete
delete原文链接
delete原文求助
delete分享
delete收藏
摘要

摘要

En 中文
• 提出HDU-STGNN,一种端到端的负荷预测模型,能够有效应对缺失数据。 • 引入基于掩码的时序降采样及分层空间粗化-细化方法。 • 在真实负荷数据上,当缺失率达到90%时,模型误差最多可降低17.4%。

期刊

Applied Energy 封面图
Applied Energy
IF:
11
论文数:
2.6W
被引数:
17.8W

机构

U
university of electronic science and technology of china
学者数:
1.3W
论文数: 4.8K
被引数: 4
A
aalborg university
学者数:
1.6W
论文数: 1.7W
被引数: 22
引用论文

引用论文

Graph Neural Network-Based Short-Term Load Forecasting with Temporal Convolution
err2023-11-20
err9
errOAAI
errSun, Chenchen; Ning, Yan; Shen, Derong; Nie, Tiezheng
err分享
err收藏
err分享
err收藏
err分享
err收藏
Understanding Pooling in Graph Neural Networks
err2024-02-01
err38
errOAAI
errGrattarola, Daniele; Zambon, Daniele; Bianchi, Filippo Maria; Alippi, Cesare
err分享
err收藏
学者 查看更多内容