典型文献
基于CNN-BIGRU-ATTENTION的短期电力负荷预测
文献摘要：
电价的实时波动,会对负荷预测精度产生一定影响,增加预测的复杂性.针对这一问题,本文构建基于注意力(AT-TENTION)机制的卷积神经网络(CNN)和双向门控循环单元(BIGRU)混合模型对短期电力负荷进行预测.首先用CNN对负荷及电价数据特征进行抽取;其次,利用BIGRU对潜藏的时序规律进行提取;最后结合ATTENTION机制,突出关键特征.仿真结果表明,与BP网络、CNN-GRU、CNN-BIGRU和CNN-GRU-ATTENTION混合模型的预测结果相比,上述模型具有更高的预测精度,是一种有效的短期负荷预测方法.
文献关键词：
短期负荷预测;注意力机制;卷积神经网络;双向门控循环单元;混合模型
中图分类号：
作者姓名：
方娜;余俊杰;李俊晓;万畅
作者机构：
湖北工业大学太阳能高效利用及储能运行控制湖北省重点实验室,湖北 武汉430068;湖北工业大学湖北省电网智能控制与装备工程技术研究中心,湖北 武汉430068
文献出处：
引用格式：
[1]方娜;余俊杰;李俊晓;万畅-.基于CNN-BIGRU-ATTENTION的短期电力负荷预测)[J].计算机仿真,2022(02):40-44,82
A类：
TENTION
B类：
BIGRU,ATTENTION,短期电力负荷预测,电价,双向门控循环单元,混合模型,先用,数据特征,潜藏,关键特征,短期负荷预测,负荷预测方法,注意力机制
AB值：
0.183799
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。
