文档名：基于时间模式注意力机制的GRU短期负荷预测
摘要：针对新能源时代负荷数据随机性更强及负荷预测误差较大的问题,提出一种基于时间模式注意力机制的门控循环单元神经网络短期负荷预测方法.首先,采用自适应白噪声的完整经验模态分解对负荷数据进行处理,得到若干个频率范围不同的本征模函数.其次,通过最大互信息系数进行相关性分析筛选特征,优化输入数据的特征维度.然后,构建基于时间模式注意力机制的门控循环单元神经网络预测模型进行负荷预测,采用自回归算法优化线性特征提取能力,得到预测结果.最后,通过实例分析证明了所提模型有助于负荷预测精度的提升.
作者：乔石 王磊 张鹏超 闫群民 余帆 Author：QIAOShi WANGLei ZHANGPengchao YANQunmin YUFan
作者单位：陕西理工大学电气工程学院,汉中723001;陕西理工大学工业自动化重点实验室,汉中723001陕西理工大学工业自动化重点实验室,汉中723001陕西理工大学电气工程学院,汉中723001
刊名：电力系统及其自动化学报 ISTICPKU
Journal：ProceedingsoftheCSU-EPSA
年，卷(期)：2023, 35(10)
分类号：TM712
关键词：短期负荷预测 最大互信息系数 自适应白噪声的完整经验模态分解 TPA-GRU神经网络
Keywords：short-termloadprediction maximalmutualinformationcoefficient(MIC) completeensembleempiricalmodedecompositionwithadaptivewhitenoise(CEEMDAN) gatedrecurrentunitneuralnetworkbasedontemporalpatternattention(TPA-GRU)
机标分类号：TP391TM73TN911.7
在线出版日期：2023年11月13日
基金项目：国家自然科学基金，陕西省自然科学基础研究计划重点资助项目基于时间模式注意力机制的GRU短期负荷预测[
期刊论文] 电力系统及其自动化学报--2023, 35(10)乔石 王磊 张鹏超 闫群民 余帆针对新能源时代负荷数据随机性更强及负荷预测误差较大的问题,提出一种基于时间模式注意力机制的门控循环单元神经网络短期负荷预测方法.首先,采用自适应白噪声的完整经验模态分解对负荷数据进行处理,得到若干个频率范围...参考文献和引证文献
参考文献
引证文献
本文读者也读过
相似文献
相关博文
基于时间模式注意力机制的GRU短期负荷预测 Short-term Load Prediction of GRU Neural Network Based on Temporal Pattern Attention Mechanism
基于时间模式注意力机制的GRU短期负荷预测.pdf
- 文件大小:
- 2.74 MB
- 下载次数:
- 60
-
高速下载
|
