基于MRMR和双重注意力机制的城市能源多元负荷短期预测

摘要

为支撑城市能源系统的经济调度和优化运行,将最小冗余最大相关性(MRMR)分析方法与基于双重注意力机制和序列到序列(Seq2Seq)的神经网络相结合,提出一种新型城市能源系统多元负荷短期预测方法。首先,确定目标预测负荷,以MRMR为标准筛选特征序列集,既保持了低冗余度,又保证了输入序列信息的完整性;然后,在Seq2Seq模型基础上,将双重注意力机制融入长短期记忆网络,增强了算法对特征序列时空特征的学习能力;最后,以美国亚利桑那州立大学城市能源系统的实测负荷数据为例进行分析。实验结果表明,所提方法相比现有预测方法具有更高的预测精度和充足的鲁棒性,在4个季节和不同气象误差下都具有良好的表现,可以为城市能源系统的调度运行提供有力的决策依据。