注意力机制下的VMD-IDBiGRU负荷预测模型 |
| |
引用本文: | 邵必林,严义川,曾卉玢.注意力机制下的VMD-IDBiGRU负荷预测模型[J].电力系统及其自动化学报,2022(10):120-128. |
| |
作者姓名: | 邵必林 严义川 曾卉玢 |
| |
作者单位: | 西安建筑科技大学管理学院 |
| |
基金项目: | 国家自然科学基金资助项目(62072363); |
| |
摘 要: | 针对传统神经网络在负荷预测中精度欠佳、预测速度较慢的问题,提出一种基于注意力机制、变分模态分解和改进的深度双向门控循环单元短期负荷预测模型。该模型首先通过变分模态分解算法将负荷数据分解,以降低原始负荷数据的复杂度。然后:针对传统分解加预测组合模型存在参数多、模型复杂的问题,基于权值共享的思想建立改进的深度双向门控循环单元神经网络;引入注意力机制来突出关键因素的影响,通过注意力权重深度挖掘负荷数据存在的规律。最后,以中国某地区的负荷数据作为实例,通过与传统预测模型进行对比得出,本文所提模型在精度和速度方面均有一定的提升。
|
关 键 词: | 注意力机制 变分模态分解 双向门控循环单元 权值共享 负荷预测 |
|
|