基于Transformer模型的電力負荷預測

摘要:根據(jù)已知的歷史用電需求來預測未來的用電需求是電網(wǎng)穩(wěn)定且經(jīng)濟運行的重要一環(huán)。針對現(xiàn)有電力負荷預測方法存在無法準確長期預測的問題,提出一種新的基于TranSformer模型的電力負荷預測模型。該方法在循環(huán)神經(jīng)網(wǎng)絡可以捕捉用電負荷短期依賴的基礎上,通過編碼器-解碼器結構很好地捕捉了電力負荷的長期依賴特征:通過建立電力負荷數(shù)據(jù)集,訓練得到了具備精準預測能力的TranSformer模型。實驗結果表明,TranSformer模型具有較高的預測精度,隨著預測時間巨幅增加,預測誤差只出現(xiàn)了微小累積,該模型較好地預測了電力負荷可能出現(xiàn)的波動,且無時滯效應。