考虑时序特征提取与双重注意力融合的TCN超短期负荷预测
为提高配电网超短期负荷预测精度,从特征构建与模型优化两个角度出发,提出一种基于Prophet和双重多头自注意力-时间卷积网络的超短期负荷预测框架.首先,通过Prophet提取负荷序列中隐含的多时间尺度时序特征.然后,基于最大信息系数选择预测模型的输入特征,并采用最佳滑动窗口构建输入矩阵.最后,在时间卷积网络的基础上,引入特征和时序双重多头自注意力,用于挖掘负荷特征矩阵中不同输入特征、不同时间步之间的内部相关性,并为特征、时间步自适应赋权以突出重要信息的影响.基于湖南省某配电网台区负荷数据开展算例分析,消融实验结果表明所构建预测模型的有效性;与多种传统机器学习和深度学习预测模型的对比测试结果表明,所提方法具有更高的负荷预测精度.
配电网、负荷预测、特征提取、多头自注意力、时间卷积网络、配电变压器台区
47
TP391.41;TM715;TN915.02
2023-09-27(万方平台首次上网日期,不代表论文的发表时间)
共13页
193-205