ExARNN：用于学习非平稳功率动态的面向环境的自适应循环神经网络
机器学习
2025-05-26 v1 系统与控制
系统与控制
摘要
受可再生能源波动性、需求模式演变和气候变化影响，非平稳功率系统动力学正变得越来越复杂。准确捕捉这些动力学能力要求模型能够适应环境因素。传统模型，包括循环神经网络 (RNN)，缺乏有效机制对外部因素（如时间或环境数据）进行编码，以实现动态适应。为此，我们提出了外部自适应循环神经网络 (ExARNN)，一种新型框架，将外部数据（如天气、时间）集成到基础 RNN 中，以动态方式调整其参数。ExARNN 通过分层超网络设计实现，采用神经受控微分方程 (NCDE) 处理外部数据并自适应生成 RNN 参数。该方法使 ExARNN 能够处理功率和外部测量之间不一致的时间戳，确保持续适应。广泛的预测测试表明，ExARNN 在与既有基准模型相比具有优势。
引用
@article{arxiv.2505.17488,
title = {ExARNN: An Environment-Driven Adaptive RNN for Learning Non-Stationary Power Dynamics},
author = {Haoran Li and Muhao Guo and Yang Weng and Marija Ilic and Guangchun Ruan},
journal= {arXiv preprint arXiv:2505.17488},
year = {2025}
}
备注
5 pages, 3 figures, conference