《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》
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。
图表编号 | XD00184154200 严禁用于非法目的 |
---|---|
绘制时间 | 2020.12.10 |
作者 | 庞传军、余建明、冯长有、刘艳、江叶峰 |
绘制单位 | 南瑞集团有限公司(国网电力科学研究院有限公司)、北京科东电力控制系统有限责任公司、南瑞集团有限公司(国网电力科学研究院有限公司)、北京科东电力控制系统有限责任公司、国家电网有限公司国家电力调度控制中心、南瑞集团有限公司(国网电力科学研究院有限公司)、北京科东电力控制系统有限责任公司、国网江苏省电力有限公司 |
更多格式 | 高清、无水印(增值服务) |