基于 Attention 机制和 ResNet 的 CNN-BiLSTM短期电力负荷预测模型研究OA
Research on CNN-BiLSTM Short-term Power Load Forecasting Model Based on Attention Mechanism and ResNet
短期电力负荷预测有利于电力系统的高效运行,对电力市场实现有效调度有重要意义.短期电力负荷受多种因素影响,波动性大、随机性强,使得其预测准确率低.双向长短期记忆网络和卷积神经网络难以在短期负荷序列中提取足够多的信息,本文提出了 一种结合注意力机制和残差网络的卷积神经网络-双向长短期记忆网络短期负荷预测方法.首先利用基准模型卷积神经网络-双向长短期记忆网络对输入特征进行信息提取,然后利用注意力机制突出提取到的关键信息,最后通过残差网络创建残差层以充分…查看全部>>
王立则;谢东;周立峰;王汉青
南华大学土木工程学院,湖南衡阳421001||南华大学建筑环境控制技术湖南省工程实验室,湖南衡阳421001南华大学土木工程学院,湖南衡阳421001||南华大学建筑环境控制技术湖南省工程实验室,湖南衡阳421001南华大学土木工程学院,湖南衡阳421001||南华大学建筑环境控制技术湖南省工程实验室,湖南衡阳421001南华大学土木工程学院,湖南衡阳421001||南华大学建筑环境控制技术湖南省工程实验室,湖南衡阳421001
信息技术与安全科学
短期负荷预测卷积神经网络双向长短期记忆注意力机制残差网络
《南华大学学报（自然科学版）》 2023 (1)
33-39,86,8
国家自然科学基金资助项目(U1867221)湖南省教育厅科学研究项目(19C1568)
评论