基于时间卷积网络与图注意力网络的分行业日售电量预测方法.pdfVIP

46卷4期电H技术Vol.46No.4

2022年4月PowerSystemTechnologyApr.2022

文章编号：1000-3673(2022)04-1287-10中图分类号：TM715文献标志码：A学科代码：470+40

基于时间卷积网络与图注意力网络的

分行业日售电量预测方法

顾默，赵兵，陈昊

(中国电力科学研究院有限公司，北京市海淀区100192)

DailyElectricitySalesForecastingbyIndustriesBasedonTimeConvolutionNetworkand

GraphAttentionNetwork

GUMo,ZHAOBing,CHENHao

(ChinaElectricPowerResearchInstitute,HaidianDistrict,Beijing100192,China)

ABSTRACT:Inordertocontrolthepowercostandimprove型预测存在上限，致使其存在难以捕捉长时特征等问题。为

theperformanceappraisalabilityofthepowerdepartment,itis高效准确地预测日售电量，提出了一种基于时间卷积网络与

necessarytomakeefficientandaccurateforecastforthedaily图注意力网络相结合的分行业日售电量预测方法，搭建了

electricitysales.ThedeeplearningConvolutionalNeural高维度分行业日售电量预测模型。该方法可同时输入多个

Network(CNN)isoftenusedinthepowerdataprediction.行业的日售电量，提取反映单个行业时序特征的高维变量，

However,theexistingmodelhasanupperlimitforprediction,将多个行业的高维变量进行拼接学习，得到各行业之间的影

whichmakesitdifficulttocapturethelong-termcharacteristics响因素。通过多个行业日售电量的集成增加输入数据的信息

duetothelimitedinformationofitsinputdata.Forpredicting量，从而实现各行业的日售电量预测。以中国东南某城市的

thedailyelectricitysalesefficientlyandaccurately,aprediction21个行业日售电量为实际算例，上述方法的平均误差为

forthedailyelectricitysalesofdifferentindustriesbasedonthe4.03%。与时间卷积网络、门控循环单元网络、Facebook的

combinationoftheTimeConvolutionNetwork(TCN)andtheProphet模型、M4冠军模型指数平滑递归神经网络等进行对

GraphAttentionNetwork(GAT)isproposed,a