基于多层融合神经网络模型的短期电力负荷预测方法

摘要：

针对传统的短期电力负荷预测模型存在的预测精度不高和滞后性的问题,本文提出一种基于卷积神经网络、长短时记忆网络和注意力机制下的混合神经网络模型来进行预测.利用卷积层对多维的电力数据影响特征进行提取,过滤筛选其非重要影响因子,完成电力数据相关特征的映射变换,再通过长短时记忆网络层的循环,对时序性电力数据特征选择性提取,最后利用注意力机制添加重要特征的权重,经Adam算法优化后输出电力负荷预测的结果.依靠GPU强大的算力支撑来解决预测数据时的实时性问题,凭借多融合神经网络的手段来提高其预测精度.经由算例验证,所提出模型真实可靠,预测质量显著优于其他传统模型.

关键词：短期电力负荷预测;卷积神经网络;长短时记忆神经网络;注意力机制

分类号：TP391(计算技术、计算机技术)

资助基金：国家重点研发计划项目2017YFB1400301

在线出版日期：2021-10-22（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：94-99,106