典型文献
基于注意力机制的CNN-LSTM短期电价预测
文献摘要：
短期电价预测结果的准确性对存在多元化竞争格局的电力市场具有重要意义.为提高在电价跳跃点和尖峰点的预测精度及预测效率,针对多因素融合影响的电价序列与其影响因素间隐含的非线性关系,提出了一种基于ATT-CNN-LSTM的短期电价预测方法.首先,采用灰色关联度分析法分析负荷因素与电价之间的关联程度,筛选出关联度较高的数据作为最优模型输入.其次,通过注意力机制(Attention,ATT)自适应分配输入数据的权重,以权重大小区分强弱特征数据.再利用卷积神经网络(Convolution Neural Networks,CNN)对数据集进行二次特征提取及降维处理,优化输入长短期记忆神经网络(Long Short-Term Memory,LSTM)中的数据,从而提升LSTM网络的预测精度与训练速度.对澳大利亚电力市场的实测数据进行算例分析,通过与其他主流算法对比,验证了所提方法具有更高的预测精度和计算效率.
文献关键词：
注意力机制;卷积神经网络;长短期记忆神经网络;电价预测;灰色关联度分析
中图分类号：
作者姓名：
吉兴全;曾若梅;张玉敏;宋峰;孙鹏凯;赵国航
作者机构：
山东科技大学电气与自动化工程学院,山东 青岛 266590;国家电网山东电力公司烟台供电公司,山东 烟台 264000
文献出处：
引用格式：
[1]吉兴全;曾若梅;张玉敏;宋峰;孙鹏凯;赵国航-.基于注意力机制的CNN-LSTM短期电价预测)[J].电力系统保护与控制,2022(17):125-132
A类：
B类：
注意力机制,短期电价预测,多元化竞争格局,电力市场,跳跃,尖峰,峰点,非线性关系,ATT,灰色关联度分析法,关联程度,最优模型,模型输入,Attention,自适应分配,输入数据,特征数据,Convolution,Neural,Networks,降维处理,长短期记忆神经网络,Long,Short,Term,Memory,训练速度,算例分析,流算法,算法对比,计算效率
AB值：
0.287098
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。
