文档名：基于双注意力机制的Seq2Seq短期负荷预测
摘要：针对经典的深度学习方法在多步长预测精度不高问题,提出一种基于双注意力序列到序列的短期负荷预测模型.通过自注意力机制有效提取影响负荷数据的隐藏相关因素,使模型能更好地发现负荷数据之间的规律,自适应地学习了负荷数据之间的相关特征,时间注意力机制捕获与时间相关的时序特征.经2个实际负荷数据实验,仿真结果表明,在(t+12)预测情况下,模型评价指标MAPE(MeanAbsolutePercentageError)为2.09％,较LSTM(LongShort-TermMemory)模型损失下降56.69％.验证了模型的正确性和可行性,模型较线性回归、LSTM模型和Seq2Seq(SequencetoSequence)模型的预测效果更好.
作者：姜建国 陈鹏 郭晓丽 佟麟阁 万成德Author：JIANGJianguo CHENPeng GUOXiaoli TONGLinge WANChengde
作者单位：东北石油大学电气信息工程学院,黑龙江大庆163318
刊名：吉林大学学报（信息科学版） ISTIC
Journal：JournalofJilinUniversity(InformationScienceEdition)
年，卷(期)：2023, 41(2)
分类号：TP391TM715
关键词：负荷预测 序列到序列 自注意力机制 时间注意力机制 多步长预测
机标分类号：TM715TP391O969.36+7.3
在线出版日期：2023年6月19日
基金项目：基于双注意力机制的Seq2Seq短期负荷预测[
期刊论文] 吉林大学学报（信息科学版）--2023, 41(2)姜建国 陈鹏 郭晓丽 佟麟阁 万成德针对经典的深度学习方法在多步长预测精度不高问题,提出一种基于双注意力序列到序列的短期负荷预测模型.通过自注意力机制有效提取影响负荷数据的隐藏相关因素,使模型能更好地发现负荷数据之间的规律,自适应地学习了负荷...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
基于双注意力机制的Seq2Seq短期负荷预测 Seq2seq Short-Term Load Forecasting Based on Double Attention Mechanism
基于双注意力机制的Seq2Seq短期负荷预测.pdf
- 文件大小:
- 3.37 MB
- 下载次数:
- 60
-
高速下载
|
|
