基于聚類(lèi)集合的EMD-CNN-BiLSTM自注意力機(jī)制短期電力負(fù)荷預(yù)測(cè)

打開(kāi)文本圖片集

關(guān)鍵詞：短期負(fù)荷預(yù)測(cè)；經(jīng)驗(yàn)?zāi)B(tài)分解；CNN-BiLSTM;自注意力機(jī)制

中圖分類(lèi)號(hào)：TP181 文獻(xiàn)標(biāo)志碼：A

0引言（Introduction）

超短期電力負(fù)荷預(yù)測(cè)在智能電網(wǎng)控制、電力安全等領(lǐng)域具有重要作用。電力系統(tǒng)的負(fù)荷受多種因素影響，展現(xiàn)出較強(qiáng)的周期性和波動(dòng)性特征。然而，傳統(tǒng)數(shù)學(xué)統(tǒng)計(jì)方法如多元回歸算法、指數(shù)平滑法、卡爾曼濾波法等，在處理復(fù)雜的非線性非平穩(wěn)序列時(shí)，預(yù)測(cè)效果大打折扣。（剩余4168字）