典型文献
基于Transformer的稳健电力负荷预测
文献摘要：
新型电力系统建设背景下,可再生能源接入和用电负荷类型的多元化为电力系统负荷预测精准性提出了更高的要求,但现有电力负荷预测方法没有考虑数据噪声对预测模型的负面作用,导致其预测精度易受到观测数据噪声的影响,难以应用于实际场景.本文梳理研究了基于深度学习的负荷预测方法,引入Transformer算法搭建负荷预测模型,并针对温度、湿度等具有一定波动性的电力负荷影响因素,施以概率分布的预处理,形成基于Transformer的稳健预测模型.通过将Transformer基础预测模型和基于Transformer的稳健预测模型分别在公开的原始数据集和引入噪声的数据集上进行实验对比分析,验证了 Transformer负荷预测模型能有效应对数据噪声,且将模型输入考虑数据分布后的Transformer负荷预测模型能在保证预测精度的基础上提升预测模型的稳健性.
文献关键词：
时间融合变换器;稳健;负荷预测;长短期记忆网络;多头注意力机制
中图分类号：
作者姓名：
樊倩男;刘树勇;蔡云帆;宋杰;高振生
作者机构：
国网天津市电力公司经济技术研究院,天津300171;天津大学,天津300072
文献出处：
引用格式：
[1]樊倩男;刘树勇;蔡云帆;宋杰;高振生-.基于Transformer的稳健电力负荷预测)[J].电力大数据,2022(05):19-27
A类：
时间融合变换器
B类：
Transformer,电力负荷预测,新型电力系统建设,可再生能源,能源接入,用电负荷,负荷类型,系统负荷,精准性,负荷预测方法,数据噪声,负面作用,观测数据,梳理研究,负荷预测模型,波动性,概率分布,原始数据,实验对比,模型输入,数据分布,长短期记忆网络,多头注意力机制
AB值：
0.25427
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
