【摘 要】
：
基于工程计算和机器学习的电力负荷预测是电力优化、智能电网调度的重要基础。针对现有电力负荷预测模型建模工作量大、时空联合表征不足、预测精度不够等问题，提出了一种结合长短期记忆（LSTM）网络和自注意力机制的图卷积网络（GCN）短期电力负荷预测模型（GCNLS-STLF）。首先，利用LSTM和自注意力机制将原始多维时间序列数据转化为包含序列间关联关系的电力负荷图；然后，通过GCN、LSTM和图傅里叶变
【基金项目】
：
国家自然科学基金资助项目（62106069）；
论文部分内容阅读
基于工程计算和机器学习的电力负荷预测是电力优化、智能电网调度的重要基础。针对现有电力负荷预测模型建模工作量大、时空联合表征不足、预测精度不够等问题，提出了一种结合长短期记忆（LSTM）网络和自注意力机制的图卷积网络（GCN）短期电力负荷预测模型（GCNLS-STLF）。首先，利用LSTM和自注意力机制将原始多维时间序列数据转化为包含序列间关联关系的电力负荷图；然后，通过GCN、LSTM和图傅里叶变换（GFT）对电力负荷图进行特征提取；最后，使用全连接层对特征进行重构，并利用残差进行多次预测，以增强原始电力负荷数据的表达能力。在摩洛哥与巴拿马某电站的真实历史电力负荷数据上进行的短期电力负荷预测实验显示，与支持向量机（SVM）、LSTM、混合模型（CNN-LSTM）和基于attention的CNNLSTM（CNN-LSTM-attention）等预测模型相比，GCNLS-STLF在摩洛哥全部电力负荷测试集上的平均绝对百分比误差（MAPE）分别降低1.94、0.90、0.49和0.37个百分点；GCNLS-STLF在巴拿马电力负荷测试集上的3月份MAPE分别降低1.39、0.94、0.38和0.29个百分点，6月份MAPE分别降低1.40、0.99、0.35和0.28个百分点。实验结果表明，GCNLS-STLF能有效提取电力负荷的关键特征，预测效果较好。
其他文献
青枯病是一种世界范围内的重大病害,致病菌为茄科劳尔氏菌（Raslstonia solanacearum）。危害寄主极其广泛,包括马铃薯、番茄、烟草、茄子、辣椒及其它农作物,但其研究进展较为缓慢,目前只在模式作物拟南芥中克隆到抗病基因。本研究以抗青枯病亲本HG64与感病亲本HG70构建的F2分离群体以及整合了26份已知抗病品种的600余份重测序群体的全基因组关联分析（GWAS）对青枯病抗性基因进行了
近年来,湖北省草莓和番茄保护地规模不断扩大,许多病害也随之日益严重。由灰葡萄孢引起的灰霉病作为保护地常见的病害之一,给草莓和番茄生产带来了严重损失。目前生产上防治灰霉病仍然以化学防治为主。由于杀菌剂的长期大量使用,抗药性问题逐渐突出,已成为灰霉病绿色防控中新的挑战。为了对灰霉病的绿色防控提供有针对性的用药指导,本研究检测了湖北省草莓和番茄保护地灰葡萄孢对五种常用杀菌剂的敏感性。结果显示,对多菌灵和
基于线性徐变及平截面假定，在考虑应力滞后效应的基础上，研究徐变对增大截面法加固钢筋混凝土受弯构件抗弯承载力的影响，确定徐变影响下的新增钢筋强度利用系数，验证现行GB 50367-2013《混凝土结构加固设计规范》用新增钢筋强度利用系数0.9来考虑应力滞后效应、徐变和收缩等综合因素影响的适用性。本文根据增大截面法加固受弯构件开裂截面长期应力应变分布，推导了构件在长期荷载下的平衡方程并利用MTLAB编
本论文主要针对抗生素耐药性及有毒重金属污染等问题,研究了细菌体内的抗生素抗性机制及细菌砷胁迫条件下的代谢组学和脂代谢组学。利用的方法主要有生物信息学、分子生物学、生物化学、代谢组学和脂代谢组学等。其主要研究结果如下:1.睾丸酮丛毛单胞菌S44（Comamonas testosteroni S44）是一株具有极高β-内酰胺类抗生素抗性的环境菌株。为了阐明其体内存在的β-内酰胺类抗生素抗性的调控机制,
随着我国工程建设进程的不断加快，建筑项目的数量也在日渐增多，建筑区域也在不断拓展，工程建设公司的发展取得了有效成就。在建筑工程的设计、施工与管理当中，应当重视工程造价的成本控制，提高建设质量的同时，实现经济效益最大化。但是根据我国建筑工程施工现状来看，还有很多因素会对工程造价产生影响，因此本文对工程造价的影响因素进行分析，并制定了与之相应的成本控制策略，以求实现工程造价的合理管控，实现施工建设成本
目的 探讨妊娠特异性蛋白1（PSG1）在子痫前期患者血清和胎盘中的表达水平及意义。方法 选取于2019年10月—2020年12月期间该院分娩的43例子痫前期患者为研究对象，设为病例组，选取同期分娩且无妊娠并发症的孕妇46例患者为对照组，收集二组相关临床资料。利用ELISA法检测二组孕妇肘静脉血中PSG1的表达水平。采用免疫组化法检测胎盘中PSG1的表达情况。结果 二组年龄、分娩孕周、孕次、产次及T