典型文献
基于时间卷积网络与图注意力网络的分行业日售电量预测方法
文献摘要：
为控制电力成本及提高电力部门绩效考核能力,需要高效准确地进行日售电量预测.深度学习卷积神经网络常被用于电力数据预测,但由于其输入数据信息量有限,现有模型预测存在上限,致使其存在难以捕捉长时特征等问题.为高效准确地预测日售电量,提出了一种基于时间卷积网络与图注意力网络相结合的分行业日售电量预测方法,搭建了高维度分行业日售电量预测模型.该方法可同时输入多个行业的日售电量,提取反映单个行业时序特征的高维变量,将多个行业的高维变量进行拼接学习,得到各行业之间的影响因素.通过多个行业日售电量的集成增加输入数据的信息量,从而实现各行业的日售电量预测.以中国东南某城市的21个行业日售电量为实际算例,上述方法的平均误差为4.03％.与时间卷积网络、门控循环单元网络、Facebook的Prophet模型、M4冠军模型指数平滑递归神经网络等进行对比,实验表明,所提出的分行业日售电量预测模型具有更高的预测精度.
文献关键词：
日售电量预测;时间卷积网络;图注意力网络;高维变量;时序特征
中图分类号：
作者姓名：
顾默;赵兵;陈昊
作者机构：
中国电力科学研究院有限公司,北京市 海淀区 100192
文献出处：
引用格式：
[1]顾默;赵兵;陈昊-.基于时间卷积网络与图注意力网络的分行业日售电量预测方法)[J].电网技术,2022(04):1287-1296,中插8
A类：
日售电量预测
B类：
时间卷积网络,图注意力网络,分行业,电力部门,部门绩效考核,考核能力,电力数据,数据预测,输入数据,信息量,现有模型,高维度,取反,时序特征,高维变量,拼接,中国东南,某城,平均误差,门控循环单元网络,Facebook,Prophet,M4,冠军模型,指数平滑,递归神经网络
AB值：
0.188943
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。
