基于TCN?BiLSTM?AM的居民住宅短期電力負荷預(yù)測
打開文本圖片集
摘 要： 針對當(dāng)前住宅短期電力負荷預(yù)測模型存在預(yù)測精度低和特征提取困難等問題，提出一種基于TCN?BiLSTM?AM的住宅電力負荷預(yù)測模型。該模型主要由TCN模型和引入注意力機制層改進的BiLSTM模型組成。首先，通過在歷史數(shù)據(jù)中使用負荷曲線技術(shù)計算特征變量的輸入權(quán)重，以提高數(shù)據(jù)輸入的準(zhǔn)確度和關(guān)聯(lián)性；然后，采用權(quán)重匹配的方法將數(shù)據(jù)序列化輸入到TCN模型進行采樣訓(xùn)練，提取更多不同時間尺度的特征并加快訓(xùn)練速度，同時，構(gòu)建改進的BiLSTM模型，引入AM層以提高BiLSTM網(wǎng)絡(luò)結(jié)構(gòu)的運算速度和處理長序列數(shù)據(jù)的能力，從而提高模型的泛化能力和運算速度；接著，通過對訓(xùn)練好的TCN模型和改進的BiLSTM模型進行加權(quán)輸出初始預(yù)測值，并利用遺傳算法對預(yù)測值與真實值的偏差進行偏置尋優(yōu)，得到優(yōu)化權(quán)重并輸出最終預(yù)測結(jié)果。（剩余14028字）