基于Attention-LSTM与多模型集成的短期负荷预测方法OA
目前深度学习技术发展快速,针对其在短期负荷预测任务中处理离散数据效果较差以及泛化性不佳的问题,提出一种基于注意力机制的长短期记忆网络(long short-term memory network with attention mechanism,Attention-LSTM)与Stacking多模型集成的负荷预测方法,可以兼顾二者优势。首先,利用均值编码的方式处理离散特征,接着应用Attention-LSTM对负荷数据进行特征提取,再将处理后的数…查看全部>>
朱继忠;苗雨旺;董朝阳;董瀚江;陈梓瑜;李盛林
华南理工大学电力学院,广东广州510641华南理工大学电力学院,广东广州510641南洋理工大学电气工程学院,新加坡639798华南理工大学电力学院,广东广州510641华南理工大学电力学院,广东广州510641华南理工大学电力学院,广东广州510641
动力与电气工程
电力系统短期负荷预测长短期记忆网络Stacking集成学习注意力机制均值编码
《电力工程技术》 2023 (5)
P.138-147,10
国家自然科学基金资助项目(52177087)国家外国专家资助项目(G2022163018L)。
评论