智能电网启动策略的时间序列深度分析：Transformer-LSTM-PSO 模型方法
机器学习
2024-08-23 v1 人工智能
系统与控制
系统与控制
摘要
电网启动是电力系统的一个重要组成部分，对确保电网的可靠性和效率具有战略意义。然而，当前针对电网启动情景的深入分析和精确预测方法尚不成熟。为此，本文提出一种基于 Transformer-LSTM-PSO 模型的新方法。该模型独特地结合了 Transformer 的自注意力机制、LSTM 的时序建模能力以及粒子群优化算法的参数调优功能，旨在更有效地捕捉电网启动方案中的复杂时序关系。我们的实验结果表明，在多个数据集上，本模型相较于现有基准方法实现了显著提升，尤其在 NYISO 电力市场数据集上，RMSE 降低约 15%，MAE 降低约 20%。我们的主要贡献是开发出一种显著提升智能电网启动预测准确率和效率的 Transformer-LSTM-PSO 模型。Transformer-LSTM-PSO 模型的应用标志着智能电网预测分析的重大进步，同时推动了更可靠和更智能的电网管理系统的发展。
关键词
引用
@article{arxiv.2408.12129,
title = {Deep Analysis of Time Series Data for Smart Grid Startup Strategies: A Transformer-LSTM-PSO Model Approach},
author = {Zecheng Zhang},
journal= {arXiv preprint arXiv:2408.12129},
year = {2024}
}
备注
46 pages