基于注意力的神经负荷预测统一框架
机器学习
2023-05-10 v1 信号处理
摘要
准确的负荷预测对电力网格可靠高效的规划与运行至关重要。本文中，我们提出一个用于负荷预测的统一深度学习框架，其包含时变特征加权、分层时间注意力与特征增强误差校正。我们的框架采用具有良好泛化能力的模块化设计。首先，特征加权机制为输入特征分配时间权重。其次，开发了带分层注意力的循环编码器-解码器结构作为负荷预测器。该分层注意力实现相似日选择，在每个时间步重新评估历史信息的重要性。第三，我们开发了误差校正模块，其利用误差与学到的特征隐藏信息来进一步提升模型的预测性能。实验结果表明，我们所提框架在两个公共数据集与性能指标上优于现有方法，其中特征加权机制与误差校正模块对取得优越性能至关重要。我们的框架为电力负荷预测问题提供了有效解决方案，并可进一步适配于许多其他预测任务。
引用
@article{arxiv.2305.05082,
title = {A Unifying Framework of Attention-based Neural Load Forecasting},
author = {Jing Xiong and Yu Zhang},
journal= {arXiv preprint arXiv:2305.05082},
year = {2023}
}