Robust Load Prediction of Power Network Clusters Based on Cloud-Model-Improved Transformer

要約

電力網クラスターからの負荷データは各地域の経済発展を示しており、地域の傾向を予測し、電力会社の意思決定を導くために重要です。
負荷予測の主要な手法である Transformer モデルは、天候、イベント、フェスティバル、データの不安定性などの変数により、履歴データをモデル化するという課題に直面しています。
これに取り組むために、クラウド モデルのファジー機能を利用して不確実性を効果的に管理します。
革新的なアプローチを提示するクラウド モデル改良変圧器 (CMIT) 手法は、堅牢で正確な電力負荷予測を達成することを目的として、粒子群最適化アルゴリズムを利用して変圧器モデルとクラウド モデルを統合します。
電力網クラスタ内の 31 の実際のデータセットに対して行われた比較実験を通じて、CMIT が予測精度の点で Transformer モデルを大幅に上回っていることが実証され、電力網クラスタ セクター内の予測機能の強化におけるその有効性が強調されています。

要約(オリジナル)

Load data from power network clusters indicates economic development in each area, crucial for predicting regional trends and guiding power enterprise decisions. The Transformer model, a leading method for load prediction, faces challenges modeling historical data due to variables like weather, events, festivals, and data volatility. To tackle this, the cloud model’s fuzzy feature is utilized to manage uncertainties effectively. Presenting an innovative approach, the Cloud Model Improved Transformer (CMIT) method integrates the Transformer model with the cloud model utilizing the particle swarm optimization algorithm, with the aim of achieving robust and precise power load predictions. Through comparative experiments conducted on 31 real datasets within a power network cluster, it is demonstrated that CMIT significantly surpasses the Transformer model in terms of prediction accuracy, thereby highlighting its effectiveness in enhancing forecasting capabilities within the power network cluster sector.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google