注意力机制下的VMD-IDBiGRU负荷预测模型

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。