基于CNN-BiLSTM-Attention的超短期电力负荷预测OA北大核心CSCDCSTPCD
超短期电力负荷预测对电力系统的快速响应和实时调度至关重要,准确预测负荷能保障电力系统的安全并提高用电效率。为获得准确可靠的负荷预测结果,针对电网负荷数据非线性和时序性等特征,提出了一种基于CNN-BiLSTM-Attention(AC-BiLSTM)的新型超短期电力负荷预测方法。该方法首先将卷积神经网络(CNN)和双向长短期记忆(BiLSTM)网络相结合充分提取负荷数据本身的时空特征。然后引入注意力(Attention)机制自动为BiLSTM隐藏…查看全部>>
任建吉;位慧慧;邹卓霖;侯庭庭;原永亮;沈记全;王小敏
河南理工大学计算机科学与技术学院,河南焦作454000河南理工大学计算机科学与技术学院,河南焦作454000许继电气直流输电分公司,河南许昌461000河南理工大学计算机科学与技术学院,河南焦作454000河南理工大学机械与动力工程学院,河南焦作454000河南理工大学计算机科学与技术学院,河南焦作454000河南理工大学计算机科学与技术学院,河南焦作454000
动力与电气工程
负荷预测卷积神经网络双向长短期记忆网络注意力机制电力系统
《电力系统保护与控制》 2022 (8)
P.108-116,9
河南省科技攻关项目资助(212102210226)河南理工大学博士基金项目资助(B2021-31)河南省高等学校重点科研项目资助(22A520029)。
评论