基于Attention-LSTM的商业建筑负荷分解研究

• 作者: 张美霞 曹泽棋 李莉华 杨秀 胡钟毓
• 来源期刊: 智慧电力
• 学科: 工学
• 关键词: 商业建筑 负荷分解 深度学习 长短期记忆网络 注意力机制
• 年，卷（期）: 2020,（9）
• 所属期刊栏目: 电网分析与研究
• 页码范围: 89-95
• 页数: 7页
• 分类号: TM714
• 语种: 中文

摘要

为了解决传统商业建筑负荷分解算法存在的精度低、稳定性差等问题,提出了基于注意力机制-长短期记忆(Attention-LSTM)人工神经网络的负荷分解模型,该模型能充分学习负荷的内在特征,并采用Attention机制对影响负荷分解的因素赋予权值,突出重点因素.以上海某商业建筑的低频数据集为实验分析数据,进行十折交叉试验,结果表明所提模型分解精度优于其他模型,具有较好的泛化能力和较强的稳定性.