基于云模型改进Transformer的电网集群鲁棒负荷预测
机器学习
2024-07-31 v1
摘要
电网集群的负荷数据反映了各区域的经济发展状况，对于预测区域趋势和指导电力企业决策至关重要。Transformer模型作为负荷预测的领先方法，由于天气、事件、节假日和数据波动等变量，在建模历史数据时面临挑战。为解决此问题，利用云模型的模糊特性来有效管理不确定性。我们提出了一种创新方法，即云模型改进Transformer（CMIT）方法，该方法利用粒子群优化算法将Transformer模型与云模型相结合，旨在实现鲁棒且精确的电力负荷预测。通过在电网集群内31个真实数据集上进行的对比实验，证明CMIT在预测精度上显著超越Transformer模型，从而突显了其在增强电网集群领域预测能力方面的有效性。
引用
@article{arxiv.2407.20817,
title = {Robust Load Prediction of Power Network Clusters Based on Cloud-Model-Improved Transformer},
author = {Cheng Jiang and Gang Lu and Xue Ma and Di Wu},
journal= {arXiv preprint arXiv:2407.20817},
year = {2024}
}