注意力机制下的EMD-GRU短期电力负荷预测

作者：方娜^*; 余俊杰; 李俊晓; 陈浩

来源：华侨大学学报(自然科学版), 2021, 42(06): 817-824.

• 短期负荷预测
• 经验模态分解
• 门控循环单元
• 注意力机制

为进一步提高短期电力负荷预测精度,构建一种基于注意力机制的经验模态分解(EMD)和门控循环单元(GRU)混合模型,对时间序列的短期负荷进行预测.首先,对负荷序列进行EMD,将数据重构成多个分量;再通过GRU提取各分量中时序数据的潜藏特征;经注意力机制突出关键特征后,分别对各分量进行预测;最后,将各分量的预测结果叠加,得到最终预测值.仿真结果表明:相对于BP网络模型、支持向量机(SVR)模型、GRU网络模型和EMD-GRU模型,基于EMD-GRU-Attention的混合预测模型能取得更高的预测精度,有效地提高短期电力负荷预测精度.

• 单位
  湖北工业大学