基于INGO-TCN-Attention的多特征短期负荷预测方法

针对人工神经网络参数随机初始化给短期电力负荷预测带来的不足,提出一种基于改进北方苍鹰算法(Improved Northern Goshawk Optimization,INGO)优化时间卷积神经网络(Temporal Convolutional Networks,TCN)融合注意力机制(Attention)的短期负荷预测方法。首先采用多策略改进北方苍鹰算法,通过基准函数测试改进前后算法的性能,表明INGO算法具有更好的寻优能力。最后,引入INGO算法对TCN进行优化,建立INGO-TCN-Attention短期电力负荷预测模型。通过实例分析和实验对比,表明INGO-TCN-Attention模型的稳定性和预测精度均优于其他模型。