基于双向LSTM-Attention模型的火电厂负荷预测研究

准确预测电厂负荷可指导火电厂制定发电计划和调度安排,有利于降低能源成本和污染物排放,对电厂的经济性和环保性有重要意义。本文提出一种基于双向LSTM-Attention的火电厂负荷预测方法。首先,通过皮尔逊系数筛选出关键特征变量;其次利用双向长短期记忆网络提取关键变量之间的长期依赖关系与短期变化特征,最后融合注意力权重机制以进一步突出关键时序信息,进而实现负荷的准确预测。以某在役600 MW超临界机组为对象进行验证。结果表明:相较于单向LSTM、双向LSTM、单向LSTM-Attention,本文所提方法的决定系数R^(2)、均方根误差S_(RMSE)和平均绝对误差S_(MAE)均为最优,分别为0.9566、16.3159、13.5043,能更准确地捕捉到负荷快速波动的趋势,为电厂的负荷预测和能源管理提供可行的方法。

互联网金融下中小企业融资发展对策与创新探究

近几年,我国经济水平发展的非常迅速,在行业内出现越来越多中小企业的同时,这些企业也在新时期获得了很多的发展机遇,处于十分重要的发展阶段。但是融资困难的问题始终困扰着中小企业的经营,具有一定的阻碍作用。根据这种情况,本文将从互联网金融的角度来为中小企业的融资问题提供一些新的对策,希望能够为中小企业解决融资问题提供一些建议。