基于CNN-BiLSTM-Attention的超短期电力负荷预测

• 作者: 宋珊珊 潘文林 王嘉梅 梁志茂
• 来源期刊: 云南民族大学学报（自然科学版）
• 学科: 工学
• 关键词: 超短期电力负荷预测 卷积神经网络(CNN) 双向长短期记忆神经网络(BiLSTM) Attention机制
• 年，卷（期）: 2022,（2）
• 所属期刊栏目: 信息与计算机科学
• 页码范围: 235-240
• 页数: 6页
• 分类号: TP312
• 语种: 中文
• DOI: 10.3969/j.issn.1672-8513.2022.02.016

摘要

在长短期记忆神经网络(LSTM)的基础上,运用双向的长短期记忆神经网络(BiLSTM),结合卷积神经网络(CNN)提出了一个预测模型,对超短期电力负荷预测.运用合肥市2019年全年数据对该模型进行训练及预测,结果显示,CNN-BiLSTM预测精度高于CNN-LSTM预测模型,为进一步提升预测精确度,在BiLSTM神经网络后面连接了一个Attention在输出,发现其预测精度进一步提升了.