注意力机制融合时空特征的负荷预测方法

    公开(公告)号:CN118940919A

    公开(公告)日:2024-11-12

    申请号:CN202411436858.2

    申请日:2024-10-15

    Abstract: 一种注意力机制融合时空特征的负荷预测方法,该方法中,获取电力负荷数据集并划分训练集和测试集;收集天气数据并利用随机森林算法并按照重要性进行排序,选择天气数据前三项显著的特征作为模型输入;应用VMD对电力负荷数据进行分解,将其分解为多个局部的成分,每个成分对应于一个频率范围内的振动模态并利用RIME算法对VMD中的参数进行迭代优化,获得复杂度最小的子序列分量;根据分解的各个子序列分量,结合选取的前三项气象特征作为模型输入,构建注意力机制融合时空特征的能耗预测模型,运用BiTCN模型和BiGRU模型并行机制,同时处理时间序列数据,在经过交叉注意力层,进行特征增强,得到预测结果。

    注意力机制融合时空特征的负荷预测方法

    公开(公告)号:CN118940919B

    公开(公告)日:2025-02-07

    申请号:CN202411436858.2

    申请日:2024-10-15

    Abstract: 一种注意力机制融合时空特征的负荷预测方法,该方法中,获取电力负荷数据集并划分训练集和测试集;收集天气数据并利用随机森林算法并按照重要性进行排序,选择天气数据前三项显著的特征作为模型输入;应用VMD对电力负荷数据进行分解,将其分解为多个局部的成分,每个成分对应于一个频率范围内的振动模态并利用RIME算法对VMD中的参数进行迭代优化,获得复杂度最小的子序列分量;根据分解的各个子序列分量,结合选取的前三项气象特征作为模型输入,构建注意力机制融合时空特征的能耗预测模型,运用BiTCN模型和BiGRU模型并行机制,同时处理时间序列数据,在经过交叉注意力层,进行特征增强,得到预测结果。

    一种小样本数据集电负荷预测方法

    公开(公告)号:CN118940920B

    公开(公告)日:2025-02-07

    申请号:CN202411436866.7

    申请日:2024-10-15

    Abstract: 一种小样本数据集电负荷预测方法,该方法中,构建改进Transformer模型,将构建好的数据集中的各序列数据作为单独一列引入嵌入层,嵌入层将各序列数据进行映射得到高维数据,将高维数据分别在空间注意力机制层、通道注意力机制层中进行空间注意力机制的计算及通道注意力机制计算,注意力机制计算结果输出分为两步,其中一步单独进入标准化层并保留为一个细胞状态,另外一步与嵌入层输出结果相减后进入标准化层并进行前向传播,前向传播后的结果与标准化层输入的结果进行递减,并再次进入标准化层,标准化层的输出与保留的细胞状态进行残差连接,通过输出层输出用电负荷预测结果。

    一种小样本数据集电负荷预测方法

    公开(公告)号:CN118940920A

    公开(公告)日:2024-11-12

    申请号:CN202411436866.7

    申请日:2024-10-15

    Abstract: 一种小样本数据集电负荷预测方法,该方法中,构建改进Transformer模型,将构建好的数据集中的各序列数据作为单独一列引入嵌入层,嵌入层将各序列数据进行映射得到高维数据,将高维数据分别在空间注意力机制层、通道注意力机制层中进行空间注意力机制的计算及通道注意力机制计算,注意力机制计算结果输出分为两步,其中一步单独进入标准化层并保留为一个细胞状态,另外一步与嵌入层输出结果相减后进入标准化层并进行前向传播,前向传播后的结果与标准化层输入的结果进行递减,并再次进入标准化层,标准化层的输出与保留的细胞状态进行残差连接,通过输出层输出用电负荷预测结果。

Patent Agency Ranking