10.3969/j.issn.2095-2163.2021.03.007
基于注意力机制和EMD-GRU模型的电力负荷预测
为提高非平稳性电力负荷的预测精度以及充分挖掘历史负荷数据的时序特征,本文提出了基于注意力(Attention)机制和经验模态分解(EMD)以及门控循环神经网络(GRU)组合的负荷预测方法.首先使用EMD对原始负荷数据进行EMD分解,继而得到有限个具有本征模态函数(IMF)的分量;然后考虑到各分量间的相关性,使用多层GRU网络对IMF分量进行多输入多输出预测,同时引入注意力机制,深入挖掘历史负荷数据的时序相关性特征;最后对多层神经网络输出的有限个分量预测结果进行重构得到最终的负荷预测值.算例分析采用贵州电网某地实际负荷数据,经过与不同模型进行预测误差分析和对比,本文所提方法能够有效提高预测精度.
电力负荷预测、经验模态分解、门控循环神经网络、注意力机制
11
TP18(自动化基础理论)
2021-06-21（万方平台首次上网日期，不代表论文的发表时间）
共6页
33-37,43
