基于多头注意力卷积网络的电力负荷预测

来源：南京信息工程大学学报·自然科学版杂志2022年第5期北京时间：

作者：郑征，谭磊，周楠，韩军伟，高晶，翁理国

单位：郑征,国网河南省电力公司经济技术研究院, 郑州, 450052,谭磊,河南九域腾龙信息工程有限公司, 郑州, 450052,周楠,国网河南省电力公司经济技术研究院, 郑州, 450052,韩军伟,国网河南省电力公司经济技术研究院, 郑州, 450052,高晶,河南九域腾龙信息工程有限公司, 郑州, 450052,翁理国,南京信息工程大学 江苏省大数据分析技术重点实验室, 210044

摘要：预测居民用电相当于预测一个多元时间序列.针对多个传感器信号的特定窗口能够利用预测模型提取不同的特征来预测用电量.然而,由于时间序列内部特征存在着不规则的模式,包括电力属性之间隐藏的相关性,使得负荷预测准确率不高.为了提取复杂的不规则电力模式,选择性地学习时空特征以减少电力属性间的平移方差,本文提出了一种基于多头注意力的卷积循环神经网络深度学习模型.相较于单纯的时间序列模型,该模型利用卷积和加权机制对电力属性和有功功率间的局部相关性进行建模.它利用softmax函数和点积运算的注意力分数来模拟电力需求的瞬态和脉冲特性,有效地对瞬时脉冲功耗进行预测.在美国加州大学欧文分校(University of California,Irvine,UCI)家庭用电数据集共2 075 259个时间序列上的实验表明,所提出的模型与现有方法相比,准确率得到了较大提升.

关键词：深度学习;注意力机制;时间序列预测;负荷预测

基金资助：国家自然科学基金(61773219)