基于TCN和高斯过程残差建模学习的净负荷概率预测方法

  • 打印
  • 收藏
收藏成功
微博 QQ空间 微信


打开文本图片集

摘 要：提出一种基于时间卷积神经网络（TCN）和高斯过程（GP）的净负荷预测方法，可提供精确的点预测和概率预测结果。首先，TCN被用来提取大量的历史数据中净负荷的变化规律，TCN优秀的时间序列建模能力可发现净负荷预测任务输入输出之间的复杂映射关系。然后，为高斯过程设计一个复合核函数对TCN的预测残差进行建模学习，该过程可在TCN预测的基础上进一步提升点预测的精度，同时也可利用高斯过程的不确定性量化能力对净负荷预测的不确定性进行量化。（剩余15519字）

试读结束

目录
monitor