基于多头注意力机制和门控循环单元神经网络的居民充电桩容量预测OACSTPCD
Residential Charging Station Capacity Prediction Based on Multi-Head Attention and Gated Recurrent Unit Neural Network
居民充电桩的容量预测可为其定容选址提供参考,助力实现"双碳"目标,为此提出了一种基于数据驱动的居民充电桩容量预测方法.首先,采集了居民充电桩的历史容量数据并进行预处理;其次,利用不同大小的时序窗口对其进行切片作为输入特征;最后,构建了结合多头注意力机制和门控循环单元神经网络的预测模型,将特征输入模型从而实现了对未来容量的精准预测.通过实例分析表明,该模型预测结果的平均绝对误差和均方根误差分别为33.19和102.14％,预测精度相较于其他模型有较…查看全部>>
The capacity prediction of residential charging stations can provide a reference for its capacity selection and contribute to the carbon peaking and caron neutrality goals.In this regard,a data-driven method for predicting the capacity of residential charging stations is proposed.Firstly,historical capacity data of residential charging stations are collected and preprocessed.Secondly,different-sized time windows are used to slice the data as input features.F…查看全部>>
谢乐;杨浙;刘东
国网浙江省电力有限公司慈溪市供电公司,浙江慈溪 315300国网浙江省电力有限公司慈溪市供电公司,浙江慈溪 315300西南交通大学电气工程学院,四川成都 611756
动力与电气工程
数据驱动充电桩容量预测多头注意力机制门控循环单元神经网络
data-drivencharging stationcapacity predictionmulti-head attention mechanismgated recurrent unit neural network
《电机与控制应用》 2024 (3)
高速列车牵引系统健康监测、故障诊断与安全控制技术研究
21-29,9
国家自然科学联合基金(U1934204)四川省区域创新合作项目(21QYCX0096)Joint Funds of the National Natural Science Foundation of China(U1934204)Sichuan Provincial Regional Innovation Cooperation Project(21QYCX0096)
评论