.png){kind=icon}
返回
Short-Term Load Forecasting Based on Graph Convolution and Dendritic Deep Learning
.png){kind=icon}
PRE
AI
DOI：10.1109/TNSE.2025.3558193.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
短期负荷预测（STLF）是对未来电力系统规划、运行和控制的重要任务。接入系统的设备数量不断增加，导致负荷特性和形式更加复杂，这给相关方法在实现更高负荷预测精度和可靠性方面带来了显著困难。鉴于此，本研究提出了一种结合图卷积网络（GCN）、门控循环单元（GRU）和树突神经网络模型（DNM）的深度学习模型，以更准确地预测电力负荷。首先，将样本负荷数据构建为图数据，以单个时间步长作为节点。使用GCN提取隐藏特征，同时允许时间步长特征数据之间的完全通信。然后使用GRU捕捉数据的时间依赖关系。最后，使用树突层代替全连接层作为输出，以深度整合数据特征。进行了实验验证所提出模型的有效性，并将其与几种有效的深度学习模型进行比较，包括CNN_LSTM、Transformer和Kolmogorov-Arnold网络（KAN）。结果表明，与基线模型相比，预测性能有显著提升，在全国和区域两个不同聚合级别的负荷数据集上，平均绝对百分比误差（MAPE）分别为1.62%和3.98%，决定系数（R²）分别为0.983和0.928。
Keyword:
Dendritic learning
graph convolution network
GRU
load forecasting
期刊
I
IF:
7.9
论文数:
2.5K
被引数:
10.0K
机构
引用论文
Weather sensitive short-term load forecasting using nonfully connected artificial neural network基于非完全连接人工神经网络的天气敏感短期负荷预测
PREAI
分享收藏Short-term load forecasting by using a combined method of convolutional neural networks and fuzzy time series基于卷积神经网络和模糊时间序列的短期负荷预测.png)
ENERGY
ENERGYIF9.4
PREAI
分享收藏
分享收藏A review of irregular time series data handling with gated recurrent neural networks门控递归神经网络对不规则时间序列数据处理的回顾NEUROCOMPUTING
NEUROCOMPUTINGIF6.5
PREAI
分享收藏分享收藏Short-Term Residential Load Forecasting Based on LSTM Recurrent Neural Network基于LSTM循环神经网络的短期住宅负荷预测
PREAI
分享收藏A photovoltaic power forecasting model based on dendritic neuron networks with the aid of wavelet transformNEUROCOMPUTING
NEUROCOMPUTINGIF6.5
PREAI
分享收藏
查看更多内容