摘要
本发明基于两阶段注意力机制融合卷积神经网络和长短期记忆网络的公共建筑空调负荷分解方法涉及一种公共建筑用空调的负荷分解方法。包括如下步骤:基于聚类算法,建立空调运行日与非运行日区分模型;采用CNN卷积神经网络结合LSTM长短期记忆网络,建立非空调负荷预测模型;在非空调负荷预测模型的输入侧建立特征注意力机制,量化输入特征变量间的关联关系,动态调整输入特征权重,增强强相关特征变量的引导;在非空调负荷预测模型的输出侧建立时间注意力机制,捕获时序信息的依赖关系,动态调整隐藏状态的输出,增强关键时间步的信息表达;基于公共建筑负荷季节性运行特性,建立基于动态作差法的公共建筑空调负荷分解模型。
技术关键词
融合卷积神经网络
空调负荷预测
注意力机制
分解分析方法
长短期记忆网络
聚类算法
两阶段
负荷分解方法
负荷曲线聚类方法
Softmax函数
神经网络预测模型
多层感知机
变量
动态
时序
分析装置
系统为您推荐了相关专利信息
金属表面缺陷
原始图像数据
边缘检测算法
原型
少量标注数据
注意力机制
卷积神经网络训练
多尺度卷积核
步态识别方法
序列
螺栓松动检测
识别方法
图像处理模块
标准化技术
加权技术
轻量级卷积神经网络
镜片组件
光谱测试方法
光斑
条纹