典型文献
注意力机制下的VMD-IDBiGRU负荷预测模型
文献摘要：
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.
文献关键词：
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
中图分类号：
作者姓名：
邵必林;严义川;曾卉玢
作者机构：
西安建筑科技大学管理学院,西安 710055
文献出处：
引用格式：
[1]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
A类：
IDBiGRU
B类：
注意力机制,VMD,负荷预测模型,测速,较慢,短期负荷预测,变分模态分解算法,负荷数据,数据分解,组合模型,权值共享,双向门控循环单元神经网络,注意力权重,深度挖掘,某地区,传统预测模型,比得
AB值：
0.232236
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。
