基于注意力机制的CNN-LSTM短期电价预测OA北大核心CSTPCD
CNN-LSTM short-term electricity price prediction based on an attention mechanism
短期电价预测结果的准确性对存在多元化竞争格局的电力市场具有重要意义.为提高在电价跳跃点和尖峰点的预测精度及预测效率,针对多因素融合影响的电价序列与其影响因素间隐含的非线性关系,提出了一种基于ATT-CNN-LSTM的短期电价预测方法.首先,采用灰色关联度分析法分析负荷因素与电价之间的关联程度,筛选出关联度较高的数据作为最优模型输入.其次,通过注意力机制(Attention,ATT)自适应分配输入数据的权重,以权重大小区分强弱特征数据.再利用卷积神…查看全部>>
吉兴全;曾若梅;张玉敏;宋峰;孙鹏凯;赵国航
山东科技大学电气与自动化工程学院,山东 青岛 266590山东科技大学电气与自动化工程学院,山东 青岛 266590山东科技大学电气与自动化工程学院,山东 青岛 266590国家电网山东电力公司烟台供电公司,山东 烟台 264000山东科技大学电气与自动化工程学院,山东 青岛 266590山东科技大学电气与自动化工程学院,山东 青岛 266590
注意力机制卷积神经网络长短期记忆神经网络电价预测灰色关联度分析
《电力系统保护与控制》 2022 (17)
125-132,8
国家自然科学基金青年项目资助(52107111)山东省自然科学基金青年项目资助(ZR2021QE117)青岛西海岸新区2020年科技项目资助(源头创新专项)(2020-92)
评论