融合高效卷积注意力的时域卷积网络短期负荷预测模型

摘要

为避免时域卷积网络中膨胀卷积结构导致的负荷信息不连续现象，进一步提升预测模型对重要负荷特征的提取能力，本研究提出一种融合高效卷积注意力模块的混合膨胀卷积改进时域卷积网络(ECBAM-HTCN)的短期负荷预测模型。该模型以具备并行计算能力的时域卷积网络为基础学习负荷数据特征，通过构建混合膨胀卷积层改进时域卷积网络残差块，利用不同膨胀系数的卷积自适应地捕获不同距离下全部负荷数据，避免信息不连续；同时，引入能够自适应调整卷积核大小的一维卷积改进传统卷积注意力模块，高效捕获负荷数据空间和通道两个维度的重要信息。基于实际电网负荷数据仿真实验表明，在短期负荷预测任务中，所提出的ECBAM-HTCN模型具有较高的预测精度和较好的稳定性。

关键词

短期负荷预测 / 时域卷积网络 / 混合膨胀卷积 / 高效卷积注意力模块