10.3969/j.issn.1673-7598.2020.09.015
基于Attention-LSTM的商业建筑负荷分解研究
为了解决传统商业建筑负荷分解算法存在的精度低、稳定性差等问题,提出了基于注意力机制-长短期记忆(Attention-LSTM)人工神经网络的负荷分解模型,该模型能充分学习负荷的内在特征,并采用Attention机制对影响负荷分解的因素赋予权值,突出重点因素.以上海某商业建筑的低频数据集为实验分析数据,进行十折交叉试验,结果表明所提模型分解精度优于其他模型,具有较好的泛化能力和较强的稳定性.
商业建筑、负荷分解、深度学习、长短期记忆网络、注意力机制
48
TM714(输配电工程、电力网及电力系统)
国家自然科学基金资助项目;上海市科委资助项目
2020-10-29（万方平台首次上网日期，不代表论文的发表时间）
共7页
89-95
