期刊文献+
共找到3篇文章
< 1 >
每页显示 20 50 100
结合Transformer与TimeGAN的智慧电厂电力负荷预测方法 被引量:1
1
作者 李柏杰 朱贤伟 +1 位作者 王伟 王崇如 《国外电子测量技术》 2025年第4期211-216,共6页
在实际应用过程中,电力负荷预测技术的准确性会受到天气变化、人口迁移、行业用电模式等多种因素影响。提出一种结合Transformer与时间序列生成对抗网络(TimeGAN)的智慧电厂电力负荷预测方法。由均方误差可知,随着轮次的增加,预测时长... 在实际应用过程中,电力负荷预测技术的准确性会受到天气变化、人口迁移、行业用电模式等多种因素影响。提出一种结合Transformer与时间序列生成对抗网络(TimeGAN)的智慧电厂电力负荷预测方法。由均方误差可知,随着轮次的增加,预测时长为24、48、168、512 h的电力负荷预测精度误差分别在0.12~0.125、0.13~0.14、0.14~0.15、0.15~0.19区间,预测精度较好;由平均绝对误差可知,在轮次为10时,预测时长24 h的预测精度误差较小(0.24)且更加稳定,而预测时长为512 h的预测误差较大(0.28~0.30)且不稳定。该预测方法实现了智慧电厂电力负荷的高效、准确预测。 展开更多
关键词 电力负荷预测 Transformer模型 timegan 智慧电厂
原文传递
基于TimeGAN-CNN-LSTM模型的河流水质预测研究 被引量:9
2
作者 张丽娜 陈会娟 余昭旭 《自动化仪表》 CAS 2022年第8期11-15,共5页
为精确预测河流水质中的铵离子(NH_(4)^(+))浓度,针对某公开水质数据进行了研究,提出了一种基于时间序列对抗生成网络(TimeGAN)、卷积神经网络(CNN)和长短期记忆(LSTM)网络的混合模型。使用TimeGAN对河流水质历史数据进行数据增强,生成... 为精确预测河流水质中的铵离子(NH_(4)^(+))浓度,针对某公开水质数据进行了研究,提出了一种基于时间序列对抗生成网络(TimeGAN)、卷积神经网络(CNN)和长短期记忆(LSTM)网络的混合模型。使用TimeGAN对河流水质历史数据进行数据增强,生成合成时间序列数据;采用CNN对输入的数据进行特征提取,并通过全连接层将数据输入到LSTM中得到预测值,从而建立TimeGANCNN-LSTM河流水质预测模型。试验结果表明,模型预测效果良好,其平均绝对误差(MAE)、均方根误差(RMSE)和决定系数(R^(2))分别为0.07、0.08和0.97,比CNN-LSTM模型分别提高了45.45%、47.06%和19.75%,比LSTM模型分别提高了50%、50%和21.25%。TimeGAN-CNN-LSTM既解决了训练模型时数据不充分的问题,又能够充分提取水质数据在时间和空间上的特征,具有较高的应用价值。 展开更多
关键词 水质预测 混合模型 时间序列对抗生成网络 卷积神经网络 长短期记忆网络 时间序列数据
在线阅读 下载PDF
基于改进TimeGAN数据增强的用户窃电识别研究
3
作者 吴佐平 王宏岩 +1 位作者 张千福 谢青 《电气传动》 2026年第1期75-81,共7页
用户窃电是电网电能非技术损失的主要原因,对电力系统造成了巨大的经济损失和资源浪费。相较于大量用户正常用电样本,窃电用户属于少数类样本,而传统窃电分类方法在样本稀疏或失衡情况下表现不佳。由此,提出一种基于改进时间序列生成对... 用户窃电是电网电能非技术损失的主要原因,对电力系统造成了巨大的经济损失和资源浪费。相较于大量用户正常用电样本,窃电用户属于少数类样本,而传统窃电分类方法在样本稀疏或失衡情况下表现不佳。由此,提出一种基于改进时间序列生成对抗网络(TimeGAN)数据增强的用户窃电分类方法,使用TimeGAN对原始小样本窃电数据进行增强,生成与原始数据分布相似的增广样本,考虑到增广样本存在噪声或不可信等问题,利用马氏距离评估增广样本的质量,完成不可信样本剔除。通过卷积神经网络(CNN)对数据增强后的用电负荷数据进行特征提取,采用长短时记忆网络(LSTM)提取特征量的时序相关性并完成特征分类,进一步,利用麻雀搜索算法(SSA)对CNN-LSTM网络进行参数优化,提高模型检测精度。实验结果表明,所提方法可有效解决用户窃电行为识别中样本不平衡的二分类问题。 展开更多
关键词 timegan模型 马氏距离 麻雀搜索算法(SSA) 窃电识别
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部