基于注意力机制的CNN-XGBoost的电力负荷预测方法

基于注意力机制的CNN‑XGBoost的电力负荷预测方法，获取相关历史负荷数据和特征数据，并进行数据相关性分析，在此基础上利用CNN在特征提取上的优势，使用CNN构造特征提取模块，并针对传统的卷积神经网络无法区分提取出来的特征是否对预测有效的问题，引入Attention(注意力机制)，赋予特征不同的权重，区分对输出贡献程度不同的特征，对提取出的特征进行有意识的侧重，发掘提取出的特征与标签的关系，再结合XGBoost算法，将提取的特征输入XGBoost结构中进行短期负荷预测，本方法能够综合CNN算法在特征提取方面的优势和XGBoost算法针对非线性负荷预测精度高，预测收敛速度快的优点，提高全网用电短期负荷预测的准确率和稳定性。