基于模糊逻辑的FBiLSTM-Attention短期负荷预测

• Published in: 河北科技大学学报 Vol. 46; no. 1; pp. 41 - 48
• Main Authors: 张岩, 康泽鹏, 高晓芝, 杨楠, 王昭雷
• Format: Journal Article
• Language: Chinese
• Published: 河北科技大学电气工程学院,河北 石家庄 050018%三峡大学电气与新能源学院,湖北 宜昌 443002%国网河北省电力有限公司超高压分公司,河北 石家庄 050070 2025
• Subjects: 注意力机制; attention mechanism(Attention); bi-directional long short-term memory(BiLSTM); data processing; fuzzy logic; load forecasting; 负荷预测; 模糊逻辑; 双向长短期记忆网络; 数据处理
• ISSN: 1008-1542
• DOI: 10.7535/hbkd.2025yx01005

TN958.98; 针对电力负荷数据由于受多种因素的影响具有高度不确定性的问题,将负荷数据的不确定性与深度学习算法相结合,提出了一种基于模糊逻辑的FBiLSTM-Attention短期负荷预测模型,以提高负荷预测的精度.首先,对原始数据进行数据预处理,包括缺失值填充、相关性分析及数据归一化;其次,通过K-Means聚类将每个特征的数据转换成模糊规则引入模糊逻辑的处理,同时,模型结构方面采用双向长短期记忆网络(BiLSTM)和注意力机制(Attention);最后,对所提方法和传统的LSTM与BiLSTM-Attention模型的预测结果进行对比.结果表明,结合了模糊逻辑的模型精确度和鲁棒性都有了明显的提升,具有更好的预测性能.所提模型可以有效提高处理不确定性数据的能力,为负荷预测研究提供了参考.