基于LSTM和自注意力机制的电力负荷预测

作者：李冰箫; 张世伟; 黄飞虎

来源：中国测试, 2022, S2: 38-43.

• 负荷预测
• LSTM
• 多头注意力机制

电力负荷预测作为电网系统的关键部分，对保障其稳定运行起着至关重要的作用。为提升电力负荷预测精度，该文以真实场景下的电网数据为基础结合深度学习技术，提出了基于LSTM(Long Short Term Memory)和自注意力机制的负荷预测模型，该模型由输入层、任务共享层和预测层构成。数据在输入层完成清洗和预处理；并在任务共享层进行特征提取，进而由预测层采用Relu和Dropout方法实现负荷预测。最后，以2021年5月至2022年5月威州气象和电站水机的数据集为基础进行实验验证，本文提出方法的预测性能优于对比模型（LSTM、GBRT与BP等模型），具备一定的有效性和可行性。

• 单位
  四川中电启明星信息技术有限公司