基于VMD-TCN-Attention机制的短期电力负荷预测

为了提升短期电力负荷预测精度,本文提出一种基于变分模态分解法(VMD)并结合时间卷积网络(TCN)嵌入注意力机制(Attention)的预测框架(VMD-TCN-Attention)。首先,应用VMD分解法分解原始电力负荷序列,将分解的子序列与气象数据等相关特征组合为预测模型的输入序列;其次,选择TCN为预测模型并嵌入Attention机制;最后,通过实例和多种对比预测模型对VMD-TCN-Attention预测模型的有效性进行验证。仿真结果表明,相比较于其他传统预测模型,本文所提VMD-TCN-Attention机制预测模型有着较高的预测精度。