9.步骤(2)构建预测点时刻的输入特征向量,并将预处理后的特征向量输入cnn网络, 通过cnn网络的卷积、池化等操作提取出输入特征向量的静态特征,然后将cnn网络提取 的静态特征输入至lstm网络的隐藏层进行特征提取,并利用attention机制对隐藏层提取的 特征向量进行计算,得到特征权重,然后将特征权重和隐藏层提取的特征向量相乘...
基于CNN-LSTM-Attention的短期电力负荷预测研究 短期电力系统负荷预测是电力系统运行,市场规划的关键前提,其准确性可以保证电力系统安全稳定运行,降低发电成本,提升经济效应.随着我国正处于"十四五"时期,电力需求持... 张惟东 - 《兰州理工大学》 被引量: 0发表: 2022年 一种基于CNN-LSTM网络结合Attention机制的PBGA器...