大唐水电科学技术研究院有限公司
纸质出版:2025
移动端阅览
银涛. 基于动态环境耦合的水电站运行出力预测[J]. 水电与新能源, 2025,39(9):73-77+84.
银涛. 基于动态环境耦合的水电站运行出力预测[J]. 2025, 39(9): 73-77+84.
银涛. 基于动态环境耦合的水电站运行出力预测[J]. 水电与新能源, 2025,39(9):73-77+84. DOI: 10.13622/j.cnki.cn42-1800/tv.1671-3354.2025.09.016.
银涛. 基于动态环境耦合的水电站运行出力预测[J]. 2025, 39(9): 73-77+84. DOI: 10.13622/j.cnki.cn42-1800/tv.1671-3354.2025.09.016.
针对水电站运行出力预测中面临的多源异构时序信号问题,提出了一种基于动态环境耦合的通用多元时序预测模型。首先,针对各维度时序特征异构差异性,设计基于TopK稀疏门控和同步孪生状态空间模型专家组的多元状态混合专家模型实现特征空间的动态解耦与自适应权重分配;其次,构建跨模态注意力融合模块,通过深度关联挖掘实现多维特征的非线性协同。模型验证结果表明所提方法在预测精度与泛化能力方面均显著优于基准模型,为复杂条件下的水电站运行出力预测提供了新的思路。
李世林,王李东,刘晓阳,马光文,黄炜斌,朱燕梅.径流式水电站出力预测的学习模型研究[J].水利水电技术(中英文),2025(01).
王昭鸿,许可,兰永红,杨孝凡.基于状态空间平均法的Boost变换器显式模型预测控制[J].计算机集成制造系统,2025(07).
梁曦文,肖峰,闵昊凌,王世杰.基于ESMD-LSSVM模型的径流式水电站出力预测研究[J].中国农村水利水电,2023(09).
Alex Sherstinsky.Fundamentals of Recurrent Neural Network (RNN) and Long Short-Term Memory (LSTM) network[J].Physica D: Nonlinear Phenomena,2020.
0
浏览量
下载量
CSCD
关联资源
相关文章
相关作者
相关机构