注意力机制下的EMD-GRU短期电力负荷预测

摘要：

为进一步提高短期电力负荷预测精度,构建一种基于注意力机制的经验模态分解(EMD)和门控循环单元(GRU)混合模型,对时间序列的短期负荷进行预测.首先,对负荷序列进行EMD,将数据重构成多个分量;再通过GRU提取各分量中时序数据的潜藏特征;经注意力机制突出关键特征后,分别对各分量进行预测;最后,将各分量的预测结果叠加,得到最终预测值.仿真结果表明:相对于BP网络模型、支持向量机(SVR)模型、GRU网络模型和EMD-GRU模型,基于EMD-GRU-Attention的混合预测模型能取得更高的预测精度,有效地提高短期电力负荷预测精度.

关键词：短期负荷预测;经验模态分解;门控循环单元;注意力机制

所属期刊栏目：42

分类号：TP183(自动化基础理论)

资助基金：国家自然科学基金青年科学基金资助项目;湖北省教育厅科学技术研究计划指导性项目;太阳能高效利用湖北省协同创新中心开放基金资助项目;湖北工业大学博士科研启动基金项目

在线出版日期：2021-11-18（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：817-824