刘会,岳东明,苗光尧,王乐乐,王国彬,朱慧娴.基于Attention机制优化CNN-GRU混合神经网络的短期负荷预测技术[J].电工技术,2024(9):20-23 |
基于Attention机制优化CNN-GRU混合神经网络的短期负荷预测技术 |
|
|
DOI:10.19768/j.cnki.dgjs.2024.09.005 |
中文关键词: 短期负荷预测 卷积神经网络 门控循环单元 注意力机制 |
英文关键词: |
基金项目: |
|
摘要点击次数: 455 |
全文下载次数: 0 |
中文摘要: |
电力系统负荷预测实质是对电力市场需求的预测,短期电力负荷预测是电力部门的重要工作之一。目前主要的负荷预测方法有传统预测、灰色预测、混沌理论预测、智能技术预测、优选组合预测等,其中智能预测中最典型的就是人工神经网络。人工神经网络是一个极其复杂的非线性动力学系统。它的自学习功能对预测有着重要的意义,能通过学习历史负荷数据来反映出输入变量和输出变量之间的非线性关系。由于很多因素都会对电力负荷造成影响,因此可以把神经网络算法引用到负荷预测中,提高电力负荷的预测精度。基于宁夏电网短期电力负荷预测的实际需求,提出了一种基于Attention机制优化CNN-GRU混合神经网络的短期负荷预测技术。该技术通过引入Attention机制对CNN-GRU模型进行改进,有效提升了预测精度和可解释性。在宁夏电网实际数据集上进行的仿真实验表明所提出的模型具有较高的预测准确性和可靠性。 |
英文摘要: |
|
查看全文 查看/发表评论 下载PDF阅读器 |