期刊导航
期刊开放获取
cqvip
退出
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
1
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于MA-CNN-LSTM和自注意力机制的单变量短期电力负荷预测
1
作者
周磊
竺筱晶
《科学技术与工程》
北大核心
2024年第22期9408-9416,共9页
精准的短期电力负荷预测对保证电网安全稳定运行、能量优化管理、提高发电设备利用率和降低运行成本等具有重要作用。针对单变量场景下地区短期电力负荷预测问题,提出了一种基于多重滑动平均(moving average,MA)和卷积网络-长短期记忆网...
精准的短期电力负荷预测对保证电网安全稳定运行、能量优化管理、提高发电设备利用率和降低运行成本等具有重要作用。针对单变量场景下地区短期电力负荷预测问题,提出了一种基于多重滑动平均(moving average,MA)和卷积网络-长短期记忆网络(convolutional networks long short-term memory networks,CNN-LSTM)混合模型,并添加自注意力(Self-Attention)机制的预测方法。首先利用多重滑动平均将原始负荷数据分解为多个平稳序列,以降低数据的噪声和复杂度。接着将各一维序列数据变换为多维结构,使用CNN提取多个时间点之间的内在关系。再输入LSTM模型中训练,并使用自注意力机制进行加权融合以提高预测精度。最后把各序列预测值相加得到最终负荷预测值。为了验证该方法的有效性,在中国某地区电网间隔15 min的真实负荷数据上进行了预测实验,并将预测结果与其他常见的模型预测结果进行对比。通过实验结果表明,在单变量短期电力负荷预测问题中该方法的准确性比其他方法更高。
展开更多
关键词
单
变量
短期
电力负荷预测
滑动平均
卷积网络
长
短期
记忆网络
自注意力
下载PDF
职称材料
题名
基于MA-CNN-LSTM和自注意力机制的单变量短期电力负荷预测
1
作者
周磊
竺筱晶
机构
上海电力大学数理学院
出处
《科学技术与工程》
北大核心
2024年第22期9408-9416,共9页
基金
国家自然科学基金(12271342,12172210)。
文摘
精准的短期电力负荷预测对保证电网安全稳定运行、能量优化管理、提高发电设备利用率和降低运行成本等具有重要作用。针对单变量场景下地区短期电力负荷预测问题,提出了一种基于多重滑动平均(moving average,MA)和卷积网络-长短期记忆网络(convolutional networks long short-term memory networks,CNN-LSTM)混合模型,并添加自注意力(Self-Attention)机制的预测方法。首先利用多重滑动平均将原始负荷数据分解为多个平稳序列,以降低数据的噪声和复杂度。接着将各一维序列数据变换为多维结构,使用CNN提取多个时间点之间的内在关系。再输入LSTM模型中训练,并使用自注意力机制进行加权融合以提高预测精度。最后把各序列预测值相加得到最终负荷预测值。为了验证该方法的有效性,在中国某地区电网间隔15 min的真实负荷数据上进行了预测实验,并将预测结果与其他常见的模型预测结果进行对比。通过实验结果表明,在单变量短期电力负荷预测问题中该方法的准确性比其他方法更高。
关键词
单
变量
短期
电力负荷预测
滑动平均
卷积网络
长
短期
记忆网络
自注意力
Keywords
univariate short-term power load forecasting
moving average
convolutional network
long short-term memory network
Self-Attention
分类号
TM714.3 [电气工程—电力系统及自动化]
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于MA-CNN-LSTM和自注意力机制的单变量短期电力负荷预测
周磊
竺筱晶
《科学技术与工程》
北大核心
2024
0
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
