基于双注意力机制的Seq2Seq 短期负荷预测

打开文本图片集

摘要： 针对经典的深度学习方法在多步长预测精度不高问题， 提出一种基于双注意力序列到序列的短期负荷预测模型。通过自注意力机制有效提取影响负荷数据的隐藏相关因素， 使模型能更好地发现负荷数据之间的规律， 自适应地学习了负荷数据之间的相关特征， 时间注意力机制捕获与时间相关的时序特征。经2 个实际负荷数据实验， 仿真结果表明， 在（t +12）预测情况下， 模型评价指标MAPE（Mean Absolute Percentage Error） 为2. 09%， 较LSTM（Long Short Term Memory）模型损失下降56. 69%。（剩余665字）