Tối ưu thứ tự các Block cho mô hình AN-BEATS trong dự báo phụ tải điện ngắn hạn ở Việt Nam

Nghiên cứu "Tối ưu thứ tự các Block cho mô hình AN-BEATS trong dự báo phụ tải điện ngắn hạn ở Việt Nam" tập trung vào giải quyết vấn đề là tối ưu hóa thứ tự các block mô hình dự báo N-BEATS. Đồng thời, các khối theo mùa của NBEATS được điều chỉnh bằng cách Biến đổi Fourier rời rạc. Do đó, mô hình AN-BEATS tối ưu thứ tự các block được đề xuất để dự báo phụ tải điện ngắn hạn ở Việt Nam. Mời các bạn cùng tham khảo! | Hội nghị Quốc gia lần thứ 25 về Điện tử Truyền thông và Công nghệ Thông tin REV-ECIT2022 Tối Ưu Thứ Tự Các Block Cho Mô Hình AN- BEATS Trong Dự Báo Phụ Tải Điện Ngắn Hạn Ở Việt Nam Hà Mai Huyền Trang 1 Nguyễn Anh Tuấn 2 Nguyễn Thị Thanh Tân 3 Lương Trung Kiên 4 Lê Anh Ngọc 5 1 Cục Công nghệ thông tin Bộ Công an 2 Đại học Bách khoa Hà Nội 3 Đại học Điện Lực 4 Đại học FPT 5 Swinburne Vietnam Đại học FPT Email hamaihuyen91@ anhtuannguyen280798@ tanntt@ kienlt6@ ngocla2@ Abstract- Dự báo phụ tải điện là một việc quan trọng trong Zheng và cộng sự 5 nghiêm cứu mô hình dựa trên bộ vận hành hệ thống điện. Nghiên cứu này tập trung vào giải lọc Kalman và thực nghiệm thu được kết quả có sai số quyết vấn đề là tối ưu hóa thứ tự các block mô hình dự báo N-BEATS. Đồng thời các khối theo mùa của N- dự đoán nhỏ. Tuy nhiên mức độ dự báo và mức độ chi BEATS được điều chỉnh bằng cách Biến đổi Fourier rời tiết theo thời gian của mô hình Kalman được giới hạn ở rạc. Do đó mô hình AN-BEATS tối ưu thứ tự các block một bước duy nhất với bước nhảy tính theo ngày. được đề xuất để dự báo phụ tải điện ngắn hạn ở Việt Nam. Ngoài ra Wuyong Qian và cộng sự 6 đề xuất một Thử nghiệm cho thấy rằng mô hình được đề xuất hoạt phương pháp dự báo tải điện theo mùa dựa tên tích hợp động tốt hơn mô hình LSTM và thứ tự của các khối có ảnh bộ lọc HP vào mô hình GM 1 1 . Mô hình đề xuất sau hưởng đến kết quả dự đoán của mô hình. Keywords- Dự báo phụ tải ngắn hạn AN-BEATS tính xu đó được áp dụng để thực hiện phân tích thực nghiệm dựa hướng tính mùa chuỗi thời gian học sâu. trên dữ liệu sản xuất điện gió theo mùa từ năm 2013 đến năm 2019 ở Trung Quốc. Phương pháp này chỉ có thể áp I. TỔNG QUAN VỀ TÌNH HÌNH NGHIÊN dụng cho dữ liệu tải với xu hướng tăng trưởng theo cấp CỨU số nhân. Dự báo nhu cầu phụ tải điện hệ thống điện quốc gia ngày Các phương pháp truyền thống xử lý phân tích chuỗi càng trở nên quan trọng làm cơ sở để lập kế hoạch đầu tuyến tính không áp dụng .

Bấm vào đây để xem trước nội dung
TỪ KHÓA LIÊN QUAN
TÀI LIỆU MỚI ĐĂNG
Đã phát hiện trình chặn quảng cáo AdBlock
Trang web này phụ thuộc vào doanh thu từ số lần hiển thị quảng cáo để tồn tại. Vui lòng tắt trình chặn quảng cáo của bạn hoặc tạm dừng tính năng chặn quảng cáo cho trang web này.