《表B1 CNN-AE模型配置》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于LSTM自动编码器的电力负荷聚类建模及特性分析》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

采用PCA、基于核的PCA(KPCA）、AE、基于卷积神经网络的AE(CNN-AE）和本文提出的LSTM-AE对负荷进行降维，生成负荷特征向量。然后采用k-means聚类算法对2015年2月和8月的负荷进行聚类，计算Silhouette指标。其中，AE的网络架构与LSTM-AE相同（网络层数和每层神经元个数相同），神经元采用普通神经元。由于负荷是典型时间序列数据，CNN-AE采用1维卷积神经元构建[23]，网络架构见附录B表B1。