科研之友
微信
新浪微博
Facebook
分享链接
摘要
为提高配电网超短期负荷预测精度，从特征构建与模型优化两个角度出发，提出一种基于Prophet和双重多头自注意力-时间卷积网络的超短期负荷预测框架。首先，通过Prophet提取负荷序列中隐含的多时间尺度时序特征。然后，基于最大信息系数选择预测模型的输入特征，并采用最佳滑动窗口构建输入矩阵。最后，在时间卷积网络的基础上，引入特征和时序双重多头自注意力，用于挖掘负荷特征矩阵中不同输入特征、不同时间步之间的内部相关性，并为特征、时间步自适应赋权以突出重要信息的影响。基于湖南省某配电网台区负荷数据开展算例分析，消融实验结果表明所构建预测模型的有效性；与多种传统机器学习和深度学习预测模型的对比测试结果表明，所提方法具有更高的负荷预测精度。
-
单位南方电网科学研究院有限责任公司; 湖南大学; 国网湖南省电力有限公司电力科学研究院
