基于双重注意力机制和GRU网络的短期负荷预测模型
来源：计算机工程杂志2022年第2期北京时间：
作者：李晓, 卢先领
单位：1. 江南大学 轻工过程先进控制教育部重点实验室, 江苏 无锡 214122;2. 江南大学 物联网工程学院, 江苏 无锡 214122
摘要：电力负荷预测对电力系统的部署、规划和运行影响重大，但目前各输入特征对电网负荷情况影响的程度不稳定，且递归神经网络捕获负荷数据的长期记忆能力差，导致预测精度下降。提出一种基于双重注意力机制和GRU网络的预测新模型，利用特征注意力机制自主分析历史信息与输入特征间的关联关系，提取重要特征，并通过时序注意力机制自主选取GRU网络中关键时间点的历史信息，提升较长时间段预测效果的稳定性。在3个公开数据集上的实验结果表明，该模型在预测精度指标上表现良好，对比SVR、KPCA-ELM、DBN、GRU、Attention-GRU、CNN-LSTM、Attention-CNN-GRU模型预测精度分别提高了2.47、1.14、1.93、1.37、1.04、0.74、0.41个百分点。
关键词：时间序列预测,GRU网络,特征注意力机制,时序注意力机制,短期负荷预测
基金资助：江苏省重点研发计划项目（BE2018334）。
