公开(公告)号：CN118554422A

公开(公告)日：2024-08-27

申请号：CN202410556800.5

申请日：2024-05-07

Applicant: 哈尔滨理工大学

Inventor： 李隆 ,  夏超

IPC: H02J3/00 ,  G06F18/213 ,  G06F18/25 ,  G06N3/0455 ,  G06N3/0464 ,  G06N3/0499 ,  G06N3/049 ,  G06N3/08

Abstract: 本发明公开了一种基于自注意力编码器和时间卷积网络的短期负荷预测方法，所述方法通过对多维输入参数的优化筛选，选取高相关性特征向量作为输入，构建短期电力负荷预测模型。该模型基于TCN设计负荷特征编码器用于提取负荷自身包含的趋势和周期性特征，基于多头自注意力机制构建辅助信息编码器挖掘各维度辅助信息之间潜在的耦合性。同时，构建特征融合模块，利用特征融合模块建立辅助信息特征与负荷自身特征在高维空间的联系，构造时序序列的特征向量并输入到预测解码器中，设计基于Bi‑Lstm单元的预测解码器模块，通过训练预测解码器网络输出负荷预测值，进行短期电力负荷预测。本发明可以提升电力负荷数据的短期预测精度。