基于FFT-DC-GRU-NLA的中长期居民用电量预测模型

针对现有的中长期居民用电量预测模型中存在复杂电力数据建模难、信息表示能力差、模型预测精度低等问题,提出一种基于FFT-DC-GRU-NLA的中长期居民用电量预测模型。首先利用快速傅里叶变换(FFT)对用电量数据进行分解,通过频域分解提取多周期分量,得到一组二维子序列;然后将其作为自主设计的信息表示模块的输入,通过融合卷积神经网络、门控循环单元和非局部注意力机制,实现了对二维子序列的多尺度信息表示和深度特征提取;最终,深度特征经过全连接层重新构建,并采用残差结构进行迭代预测。在一个居民用电量的公开数据集上与当前电力预测领域内的多个先进模型相比,所提模型在96、192、336、720这4个预测长度上均取得了最高的预测精度;此外,该模型分别在两个电力预测公开数据集上也取得了较好的预测精度。实验结果表明,所提模型能够有效提升中长期居民用电量预测的精度且具有较好的泛化性。

资料为PDF文档格式.

本文档关键词:中长期,模型,预测,居民,用电量