基于傅里叶增强的循环神经网络用于电力负荷时间序列下采样
机器学习
2025-12-10 v1 机器学习
摘要
我们提出了一种傅里叶增强循环神经网络（RNN）用于电力负荷下采样。该模型结合了（i）由低分辨率输入驱动的循环主干、（ii）融合于潜在空间的显式傅里叶季节嵌入，以及（iii）捕获每个周期内高分辨率成分之间依赖关系的自注意力层。该方法在四个PJM地区的电力负荷下采样中，均表现出低于经典Prophet基线（包括带季节性和LAA的版本）以及不含注意力或傅里叶特征的RNN ablation模型的RMSE更低且在时段上更平滑。
引用
@article{arxiv.2512.07876,
title = {Fourier-Enhanced Recurrent Neural Networks for Electrical Load Time Series Downscaling},
author = {Qi Chen and Mihai Anitescu},
journal= {arXiv preprint arXiv:2512.07876},
year = {2025}
}
备注
Submitted to IEEE PES General Meeting 2026