基于注意力机制改进长短期记忆网络的短期电力负荷预测
Improved AM-LSTM for Short-term Load Forecasting
投稿时间:2021-12-14  修订日期:2021-12-14
DOI:
中文关键词: 短期负荷预测  注意力机制  长短期记忆网络
英文关键词: Short-term Load Forecasting  Attention mechanism  Long Short-Term Memory network
基金项目:国家电网科技资助项目:支撑能源互联网的计量新技术研究(SGDK0000JLJS1907914)
作者单位邮编
王健 中国电力科学研究院有限公司 
易姝慧 中国电力科学研究院有限公司 
刘浩 中国电力科学研究院有限公司 430070
王春枝 湖北工业大学 
刘俭 中国电力科学研究院有限公司 
汪根荣 中国电力科学研究院有限公司 
摘要点击次数: 489
全文下载次数: 0
中文摘要:
      在电力系统的经济调度中,如何合理利用电力负荷的过去和现在来推测其未来价值,具有非常长远的社会经济价值。短期电力负荷数据具有明显的时间特征,传统的深度模型越来越多地应用于该领域。然而,深度模型可能存在梯度爆炸或梯度消失。为此,在长短期记忆神经网络(LSTM)的基础上,提出了一种改进的AM-LSTM短期负荷预测模型。该模型将LSTM单元中的激活函数改进为加权激活函数组,并加入注意机制以提高预测精度。
英文摘要:
      In the economic dispatch of power system, how to reasonably use the past and present of power load to speculate its future value has very long-term social-economic value. Short-term power load data has obvious temporal characteristics, and the traditional deep model is more and more applied in this field. However, the deep model may have gradient explosion or gradient disappearance. Therefore, based on the long-term and short-term memory neural network (LSTM), an improved AM-LSTM short-term load forecasting model is presented. The model improves the activation function in LSTM unit into weighted activation function group, and adds attention mechanism to improve the prediction accuracy.
View Fulltext   查看/发表评论  下载PDF阅读器
关闭