基于动态融合注意力机制的电力负荷缺失数据填充模型

摘要

为了提高电力负荷数据的缺失值填充精度，保障后续数据分析与应用的高效进行，首先，提出一种基于动态融合注意力机制的填充模型(DFAIM),该模型由注意力机制模块和动态加权融合模块构成，通过注意力机制模块的两种不同注意力机制挖掘特征与时间戳之间的深层关联；其次，通过动态加权融合模块将可学习的权重赋予注意力机制模块的两个输出以得到特征表示；最后，利用特征表示来替换缺失位置的值，从而得到准确的填充结果。使用纽约市某地区的气象及负荷数据集及UCI电力负荷数据集对提出的模型进行验证，实验结果表明：相较于统计学、机器学习和深度学习填充模型，DFAIM在评价指标MAE、RMSE和MRE上均具有一定优势。

关键词

缺失值填充 / 注意力机制 / 电力负荷 / 时序特征