基于多特征提取的Attention-BiGRU短期负荷预测方法

摘要：

电力负荷预测在电力系统发展中起着重要的作用,为供电提供了重要的指导.短期电力负荷预测(STLF)可以在短时间内保证电网的安全和稳定.为解决预测精度不足且数据集单一缺乏参考因素的问题,提出一种基于多特征提取并结合注意力机制的双向门控循环单元(Attention-BiGRU)网络短期电力负荷预测方法.预测模型采用门控循环单元(GRU)的基本结构,在已有数据特征的基础上进行时间特征与数据分布特征提取,将所有特征作为负荷预测的影响因素,然后使用注意力机制对输入序列进行权重分配,使用双向门控循环单元(BiGRU)网络对特征进行学习并输出负荷预测值.仿真结果表明,基于多特征提取的Attention-BiGRU网络表现优于传统高斯回归预测方法、GRU网络、多特征提取的BiGRU网络和BiGRU网络.

关键词：短期负荷预测、多特征提取、注意力机制、BiGRU、数据挖掘

所属期刊栏目：42

分类号：TP183(自动化基础理论)

在线出版日期：2023-04-14（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：1-7