科研之友
微信
新浪微博
Facebook
分享链接
摘要
现有超短期负荷预测研究较少考虑到多变量时序数据的特征选择，以及不同输入序列步长对负荷预测的影响程度。针对以上两点，首先通过基于轻量型梯度提升机的嵌入式特征选择算法筛选出影响负荷预测的关键特征，组成优选特征集合。然后，提出一种基于Luong注意力机制的序列到序列门控循环神经网络超短期负荷预测模型，序列到序列门控循环神经网络模型基于编码-解码结构，其输入序列和输出序列都是可变长度的，通过引入Luong注意力机制，突出对负荷预测起到关键影响作用的输入步长信息。算例表明，所提特征选择算法可以有效选择最优特征集合，所提负荷预测模型可以提升模型对输入信息的提取与利用能力，从而提高超短期负荷预测的精度和收敛性能。
- 单位
