一种基于 Transformer 的智能电网领域负荷预测新 SOTA 方法
机器学习
2021-08-06 v1
摘要
表计级负荷预测对于智能电网(SGs)的高效能源管理与电力系统规划至关重要，涉及电网的调控、调度、排序与机组组合等任务。尽管该领域已提出并应用了多种算法，仍需要更准确且鲁棒的模型：若负荷预测误差增加 1%，SGs 运营的总体公用成本将增加 1000 万货币单位，且预测的平均绝对百分比误差(MAPE)仍远高于 1%。Transformer 已在包括计算机视觉、自然语言处理与时间序列预测在内的多种任务中成为新的 state-of-the-art (SOTA)，超越了卷积神经网络与循环神经网络等替代神经模型。在本文中，我们提出一种基于 Transformer 的表计级负荷预测新 SOTA 算法，在所有实验中以 MAPE 至少 13% 的优势超越了此前的 SOTA 方法 LSTM 与传统基准 vanilla RNN。
引用
@article{arxiv.2108.02628,
title = {A New State-of-the-Art Transformers-Based Load Forecaster on the Smart Grid Domain},
author = {Andre Luiz Farias Novaes and Rui Alexandre de Matos Araujo and Jose Figueiredo and Lucas Aguiar Pavanelli},
journal= {arXiv preprint arXiv:2108.02628},
year = {2021}
}