基于双注意力机制时间序列预测RNN网络的电力负荷预测方法

作者：冯蕊; 王彤; 齐**; 戴月; 李斌; 彭三三

来源：电力大数据, 2022, 25(07): 1-9.

DOI：10.19317/j.cnki.1008-083x.2022.07.006

• 电力负荷预测
• 双注意力机制
• LSTM
• 自适应

电力负荷作为电力系统稳定运行的重要指标，因其非线性和时序性而难以实现精准预测。针对普通非线性外生自回归(NARX)模型很少能够恰当地捕捉到长期的时间依赖关系，并选择相关的驱动序列进行预测，本文建立了基于双注意力机制的递归长短期记忆(DA-RNN)神经网络。在编码器阶段，使用长短期记忆(LSTM)结构作为输入数据映射到隐状态的非线性函数，捕获隐状态的长期依赖关系。同时引入输入注意机制来自适应地提取输入特征，即计算相关驱动序列在预测目标序列时对于驱动序列的注意力权重。在解码器阶段，使用LSTM结构解码之前，本文加入了时间注意机制，自适应地选择相关编码器隐藏状态在预测目标序列时对于时间的重要性权重。利用这种双阶段注意力机制RNN网络，本文的模型不仅可以有效地进行电力负荷预测，而且易于解释、具有较好的鲁棒性。

• 单位
  国网北京市电力公司; 国网重庆市电力公司