基于自适应图注意力网络的短期用户负荷预测

摘要：

为提高短期用户负荷预测精度,提出了一种基于自适应图注意力网络(adaptive graph attention network,AGAT)的短期用户负荷预测模型.首先,针对用户负荷存在规模小、波动性强的问题,通过门控机制结合多个大小不同的扩张卷积核来构造时序特征提取层,从多个尺度上提取用户负荷的高维时序特征.同时,考虑到不同用户负荷间潜在的动态相关性,使用马氏距离构造动态图学习层,生成动态图邻接矩阵.然后,采用图注意力网络根据动态图邻接矩阵将用户负荷的高维时序特征进行信息汇聚.最后,通过全连接层输出用户负荷预测值.为验证AGAT模型的有效性,采用UCI电力负荷数据集进行预测实验,分别与多种基线模型比较.实验结果表明,所提模型预测指标优于各基线模型,有助于提高短期用户负荷预测精度.

关键词：短期用户负荷预测、自适应图注意力网络、时序特征提取、动态图学习、图神经网络

所属期刊栏目：51

分类号：TP391;TM715;F832.51

在线出版日期：2023-11-10（万方平台首次上网日期，不代表论文的发表时间）

页数：共10页

页码：140-149