基于CNN-GRU SA模型的短期电力负荷预测研究
作者：葛夫勇 雷景生
单位：上海电力大学
为了解决预测模型无法充分挖掘特征等问题,提出一种基于CNN-GRU SA混合模型的短期电力负荷预测方法。通过CNN模型提取输入数据的向量特征,利用双层GRU模型学习输入特征,掌握其特征规律,Self-attention机制充分挖掘输入的特征信息,最后预测出负荷值。实验采用英格兰公开数据集,实验结果表明,相较于CNN-GRU、GRU和CNN基线模型,该模型的预测精度更高,证明了该方法的有效性。
DOI：
10.19850/j.cnki.2096-4706.2021.07.039
关键词：
Array
所属期刊栏目：
智能制造
分类号：
TP183;TM715
页码：
150-154
上一篇：军工电子装备企业数字化工厂研究
下一篇：一种智能防疫电梯系统的设计与应用