10.13335/j.1000-3673.pst.2021.1383
基于时间卷积网络与图注意力网络的分行业日售电量预测方法
为控制电力成本及提高电力部门绩效考核能力,需要高效准确地进行日售电量预测.深度学习卷积神经网络常被用于电力数据预测,但由于其输入数据信息量有限,现有模型预测存在上限,致使其存在难以捕捉长时特征等问题.为高效准确地预测日售电量,提出了一种基于时间卷积网络与图注意力网络相结合的分行业日售电量预测方法,搭建了高维度分行业日售电量预测模型.该方法可同时输入多个行业的日售电量,提取反映单个行业时序特征的高维变量,将多个行业的高维变量进行拼接学习,得到各行业之间的影响因素.通过多个行业日售电量的集成增加输入数据的信息量,从而实现各行业的日售电量预测.以中国东南某城市的21个行业日售电量为实际算例,上述方法的平均误差为4.03%.与时间卷积网络、门控循环单元网络、Facebook的Prophet模型、M4冠军模型指数平滑递归神经网络等进行对比,实验表明,所提出的分行业日售电量预测模型具有更高的预测精度.
日售电量预测、时间卷积网络、图注意力网络、高维变量、时序特征
46
TM715(输配电工程、电力网及电力系统)
2022-04-18(万方平台首次上网日期,不代表论文的发表时间)
共11页
1287-1296,中插8