基于SF-Transformer的智能教育平台短期电力负荷预测研究.pdfVIP

第5期华东师范大学学报(自然科学版)No.5

2024年9月JournalofEastChinaNormalUniversity(NaturalScience)Sept.2024

文章编号：1000-5641(2024)05-0173-10

基于SF-Transformer的智能教育平台短期电力

负荷预测研究

12211

冯艳丽,周宇,黄福兴,万俊岭,袁培森

（1.南京农业大学人工智能学院,南京210095;2.南瑞集团有限公司（国网电力科学研究院有限公司）,

南京211106）

摘要:建设智能教育平台是推动教育智能化的一个重要过程,但智能教育平台依赖的人工智能模型在训

练过程中会消耗大量电力,因此,开展短期电力负荷预测对建设智能教育平台具有重要意义.针对在考虑

多个属性开展短期电力负荷预测时,由于部分属性与电力负荷数据的相关性不强并且Transformer

无法捕捉电力负荷数据的时间相关性,而导致电力负荷预测不够准确的问题,基于SR(SzékelyandRizzo)距

离相关系数、融合时间定位编码和Transformer,提出了一种短期电力负荷预测模型SF-Transformer.

SF-Transformer通过SR距离相关系数对影响电力负荷数据的属性进行筛选,选择与电力负荷数据之间

SR距离相关系数较大的属性.SF-Transformer采用一种全局时间编码与局部位置编码相结合的融合时间

定位编码,有助于模型全面获取电力负荷数据的时间定位信息.在数据集上开展了实验,实验结果表明SF-

Transformer与其他模型相比,在两种时长上进行电力负荷预测具有更低的均方根误差和平均绝对误差.

关键词:智能教育平台;短期电力负荷预测;SR距离相关系数;融合时间定位编码;Transformer

中图分类号:TP391文献标志码:ADOI:10.3969/j.issn.1000-5641.2024.05.016

Studyonshort-termelectricityloadforecastingbasedonSF-Transformerfor

intelligenteducationplatform

12211

FENGYanli,ZHOUYu