典型文献
基于Luong Attention机制和特征优选策略的超短期负荷预测方法
文献摘要：
现有超短期负荷预测研究较少考虑到多变量时序数据的特征选择,以及不同输入序列步长对负荷预测的影响程度.针对以上两点,首先通过基于轻量型梯度提升机的嵌入式特征选择算法筛选出影响负荷预测的关键特征,组成优选特征集合.然后,提出一种基于Luong注意力机制的序列到序列门控循环神经网络超短期负荷预测模型,序列到序列门控循环神经网络模型基于编码-解码结构,其输入序列和输出序列都是可变长度的,通过引入Luong注意力机制,突出对负荷预测起到关键影响作用的输入步长信息.算例表明,所提特征选择算法可以有效选择最优特征集合,所提负荷预测模型可以提升模型对输入信息的提取与利用能力,从而提高超短期负荷预测的精度和收敛性能.
文献关键词：
超短期负荷预测;特征选择;门控循环单元;序列到序列模型;注意力机制
中图分类号：
作者姓名：
刘立立;刘洋;唐子卓
作者机构：
四川大学电气工程学院,成都 610065
文献出处：
引用格式：
[1]刘立立;刘洋;唐子卓-.基于Luong Attention机制和特征优选策略的超短期负荷预测方法)[J].电力系统及其自动化学报,2022(04):143-150
A类：
Luong,特征优选策略
B类：
Attention,超短期负荷预测,负荷预测方法,预测研究,多变量时序数据,两点,轻量型梯度提升机,嵌入式特征选择,特征选择算法,关键特征,特征集合,注意力机制,门控循环神经网络,负荷预测模型,循环神经网络模型,解码,变长,输入步长,长信,最优特征集,提负荷,高超,收敛性能,门控循环单元,序列到序列模型
AB值：
0.224161
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。
