.png){kind=icon}
返回
Electricity Load Forecasting Method Based on the GRA-FEDformer Algorithm
.png){kind=icon}
OA
AI
DOI：10.3390/en18154057.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
近年来，基于Transformer的方法在电力负荷预测问题中展现了巨大潜力。然而，其计算成本较高，且难以捕捉时间序列的全局特征。当预测时间长度较长时，预测趋势往往出现整体偏移。因此，本文提出了一种灰色关联分析–频域增强分解Transformer（GRA-FEDformer）方法，用于电力系统中的电力负荷预测。首先，考虑不同气象因素对电力负荷的影响，采用GRA方法分析各因素与电力负荷的相关性，筛选出高相关因素作为模型输入。其次，利用长短期尺度分量的频域分解方法。该方法与基于Transformer的模型结合，可使深度学习模型同时具备捕捉电力负荷短期尺度波动行为和长期尺度变化整体趋势的能力。实验结果表明，所提方法在摩洛哥某地区一年数据集的预测中，相较于其他方法表现出更优的预测性能。特别是在较长预测长度的预测任务中，所提方法的优越性更为显著。
Keyword:
Transformer
power load forecasting
gray relation analysis
frequency decomposition
FEDformer
期刊
IF:
3.2
论文数:
1.6W
被引数:
14.2W
机构
暂无机构信息
引用论文
Short-Term Residential Load Forecasting Based on LSTM Recurrent Neural Network基于LSTM循环神经网络的短期住宅负荷预测
PREAI
分享收藏Short-term load forecasting based on WM algorithm and transfer learning model基于WM算法和迁移学习模型的短期负荷预测.png)
APPLIED ENERGY
APPLIED ENERGYIF11
PREAI
分享收藏A real-time electrical load forecasting and unsupervised anomaly detection frameworkAPPLIED ENERGY
OAAI
APPLIED ENERGYIF11
OAAI分享收藏
查看更多内容