基于VMD-LSTM-Attention模型的短期负荷预测研究OACSTPCD
Research on short-term load forecasting based on VMD-LSTM-Attention model
针对电力负荷数据非线性强以及影响因素多等问题,提出一种基于变分模态分解(VMD)和注意力机制的长短期记忆(LSTM)网络的组合预测方法.首先通过VMD对历史负荷数据进行频率分解,分解成不同频率的分量,并在考虑不同影响因素(如温度、湿度等)的条件下,通过LSTM网络对不同模态分别进行预测,再通过自注意力机制进一步挖掘数据内部的相关性,最后将预测的不同模态分量重构相加作为预测结果.实验采用中国某地区实际用电负荷数据,经过与不同基准模型的对…查看全部>>
穆晨宇;薛文斌;穆羡瑛;田永明;杜建城;邹德凡
国网新疆电力有限公司乌鲁木齐供电公司,新疆 乌鲁木齐 830001国网新疆电力有限公司乌鲁木齐供电公司,新疆 乌鲁木齐 830001国网新疆电力有限公司乌鲁木齐供电公司,新疆 乌鲁木齐 830001国网新疆电力有限公司乌鲁木齐供电公司,新疆 乌鲁木齐 830001国网新疆电力有限公司乌鲁木齐供电公司,新疆 乌鲁木齐 830001华北电力大学 电气与电子工程学院,北京 102206
电子信息工程
深度学习电力负荷预测VMDLSTM网络注意力机制预测精度
deep learningpower load forecastingVMDLSTM networkattention mechanismprediction accuracy
《现代电子技术》 2023 (17)
174-178,5
国网新疆电力有限公司科技项目(5230WJ220005)
评论