基于FNN-LSTM-Attention的短期电力负荷预测研究OACSTPCD
为了充分挖掘数据潜在规律,解决电力负荷复杂性、非线性等预测难点,提出一种基于FNN-LSTM-Attention的混合预测模型。通过前馈神经网络(FNN)在时间维度上提取数据特征,得到不同特征,利用长短期记忆(LSTM)提取日期、温度等因素对负荷的影响,通过Self-Attention层进一步挖掘数据特征,输出预测值。以新疆某地区实际负荷数据为实例,对不同模型的预测误差进行分析与对比,结果显示,所提出的混合预测模型的预测误差较小,证明了所提模型的有效性。
薛文斌;穆晨宇;杜建城;穆羡瑛;田永明;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
计算机与自动化
深度学习电力负荷预测长短期记忆网络自注意力机制
《微型电脑应用》 2024 (12)
P.89-92,4
国网新疆电力有限公司科技项目(5230WJ220005)。
评论