基于双分支注意力的LSTM短期电力负荷预测方法

叶金翔; 王生祺; 陈海波

doi:10.13625/j.cnki.hljep.2026.03.007

欢迎来到能源电力期刊网！

English Version 期刊登录

您当前的位置：

首页 >

文章列表页 >

基于双分支注意力的LSTM短期电力负荷预测方法

智能电网 | 更新时间：2026-07-08

- 基于双分支注意力的LSTM短期电力负荷预测方法
- 基于双分支注意力的LSTM短期电力负荷预测方法
- 黑龙江电力 2026年48卷第3期页码：226-232
- 作者机构：
  
  国网浙江省电力有限公司超高压分公司
- 作者简介：
- 基金信息：
- DOI：10.13625/j.cnki.hljep.2026.03.007
  中图分类号： TM715;TP183
- 纸质出版：2026
- 稿件说明：
移动端阅览
叶金翔, 王生祺, 陈海波. 基于双分支注意力的LSTM短期电力负荷预测方法[J]. 黑龙江电力, 2026,48(3):226-232.

叶金翔, 王生祺, 陈海波. 基于双分支注意力的LSTM短期电力负荷预测方法[J]. 2026, 48(3): 226-232.
叶金翔, 王生祺, 陈海波. 基于双分支注意力的LSTM短期电力负荷预测方法[J]. 黑龙江电力, 2026,48(3):226-232. DOI： 10.13625/j.cnki.hljep.2026.03.007.

叶金翔, 王生祺, 陈海波. 基于双分支注意力的LSTM短期电力负荷预测方法[J]. 2026, 48(3): 226-232. DOI： 10.13625/j.cnki.hljep.2026.03.007.

摘要

提出一种基于双分支注意力的长短期记忆(LSTM)网络，用于短期区域负荷预测。首先，构建一个包括特征注意力和时序注意力的双分支特征注意力编码器来计算输入特征在每个时间步与电力负荷的相关性，同时挖掘时间依赖性，二者融合可以自适应地选择最相关的输入特征。然后，LSTM模型集成注意力结果，通过独特的门控机制获得最终的电力负荷预测结果。在公开数据集上充分验证了所提方法的有效性，并在国网浙江省电力公司的负荷数据上进行测试，显示出比其他先进的预测模型更高的准确性和泛化能力。

Abstract

关键词

Keywords

references

林强,刘林鹏,邱剑洪,吕懿,李思凡,叶汉芳.基于误差补偿的电力负荷中长期预测模型[J].广东电力,2021(11).

王俊,王继烨,程坤,方均,鞠丹阳.基于双层优化VMD-LSTM的农村超短期电力负荷预测[J].沈阳农业大学学报,2024(01).

王晨,李又轩,吴其琦,邬蓉蓉.基于SVM-STL-LSTM的区域短期电力负荷预测研究[J].水电能源科学,2024(04).

张淑娴,江文韬,陈玉花,杨晓东,金丰,白莉.基于二次模态分解的LSTM短期电力负荷预测[J].科学技术与工程,2024(07).

祝少卿,张钧皓,于禄霏,张沥新,叶靖南.基于QPSO-LSTM的短期电力负荷预测[J].信息记录材料,2024(02).

王振勋,王大虎.基于SSA-LSTM网络的电力系统短期负荷预测[J].科技与创新,2024(05).

杨佳泽,王灿,王增平.新型电力系统背景下的智能负荷预测算法研究综述[J].华北电力大学学报(自然科学版),2025(03).

王佳蕊,孙勇,孟祥东,杨金铎,陈厚合,胡枭,吕项羽,李德鑫,朱明洋,王尧,李宝聚,张家郡,王伟,李成钢,冷俊,高松,刘畅,张海锋,庄冠群.一种基于GCN-LSTM的电力系统短期负荷预测方法[P].国网吉林省电力有限公司电力科学研究院;国网吉林省电力有限公司;东北电力大学;吉林省电力科学研究院有限公司,2023.

浏览量

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

电力场景下多模态数据分类方法研究

基于知识图谱的电网负荷转供路径自动成图方法

基于改进YOLOx的绝缘子自爆缺陷检测方法

基于AO-VMD-BiGRU的短期负荷预测方法

基于迁移学习策略的非侵入式负荷监测方法研究