自注意力CNN-LSTM短期电力负荷预测

作     者：李典 黄泽湘 孙振东 杨文迪 

作者机构：深圳供电局有限公司广东深圳518000 

出 版 物：《中国新技术新产品》 (New Technology & New Products of China)

年 卷 期：2024年第24期

页      码：15-17页

摘      要：本文研究电力负荷随机性问题,提出构建基于CNN-LSTM与自注意力机制的短期电力负荷预测模型。在CNN-LSTM混合模型中引入自注意力机制,根据电力负荷时间序列特性对原有均方误差法进行优化,采用加权均方误差法设计损失函数。为了防止模型过拟合,提高稳定性,引入Adam优化器与正则化系数,保证数据精准。为了验证方案有效性,本文设计试验,并对比4种模型。试验结果表明本文设计模型预测值与真实值误差最小。在CNN-LSTM模型中引入自注意力机制的方案能够提高预测精度,为电网电力稳定运行提供技术支持。

主 题 词：CNN-LSTM 自注意力机制 短期电力负荷 预测模型 

学科分类：080802[080802] 0808[工学-自动化类] 08[工学] 

D　O　I：10.3969/j.issn.1673-9957.2024.24.006

馆 藏 号：203156281...