-
公开(公告)号：CN119962729A
公开(公告)日：2025-05-09
申请号：CN202510030265.4
申请日：2025-01-08
Applicant: 桂林电子科技大学
IPC: G06Q10/04 , H02J3/00 , G06Q50/06 , G06N3/0464 , G06N3/0442 , G06N3/045
Abstract: 本发明公开了基于卷积双向长短期记忆网络和注意力机制的电力负荷预测模型建立方法，用一维卷积网络对原始复杂的电力负荷数据进行充分的特征提取，考虑多元特征能够更加充分地掌握影响负荷的因素和负荷变化的趋势性、周期性和随机性等特点；与传统LSTM相比，BiLSTM的双向结构通过前向传播和后向传播能够更全面地捕获负荷序列数据中地双向依赖关系，提高模型对数据的理解。另外，本发明将自然语言处理领域广泛应用的注意力机制应用于多元短期电力负荷预测的研究，引入注意力机制可以重点关注负荷序列中的关键信息，进一步提高预测精度；在真实的多元负荷数据集上进行实验，一维卷积网络和注意力机制的加入能够有效提高多元短期负荷预测的精度。
Search Results
1
records
(took 0.019 seconds)
筛选
AND
AND
过滤
NOT
NOT
Scan to Join
