排序方式: 共有1条查询结果,搜索用时 31 毫秒
1
1.
为了提高电力负荷预测精度,促进能源合理配置,文章首先对既有电力负荷预测相关研究展开讨论,指出目前研究中存在的不足。其次提出一种融合注意力机制(Attention Mechanism)的双向长短时记忆(Bi-directional Long Short-term Memory,BiLSTM)神经网络模型——BiLSTM-Attention模型,将长短时记忆神经网络作为特征提取单元,引入注意力机制提高模型对关键信息的表征能力。最后以国内某区域电力负荷数据为例,与基线模型进行对比,实验结果表明,本文提出的BiLSTM-Attention模型误差均小于三个基线模型:支持向量机回归(Support Vector Regression,SVR)模型、卷积神经网络(Convolutional Neural Network,CNN)模型和BiLSTM模型,证明BiLSTM-Attention模型对电力负荷具有较高的预测精度。 相似文献
1