来源：期刊VIP网 时间：
作者：于多;曹燚;王海荣;曹倩;
单位：无锡职业技术学院控制工程学院;无锡学院物联网工程学院;南京信息工程大学自动化学院;
摘要：针对传统电力负荷预测模型在处理大规模、高维负荷数据时面临的非线性、非平稳及时空耦合特性捕捉不足的问题，这里提出SWT-MSGAT-MDEIF模型。该模型融合同步压缩小波变换（Synchronous Wavelet Transform,SWT）降噪算法、多尺度感知图注意力网络（Multi-Scale Perceptive Graph Attention Network,MSGAT）及多维增强型Informer网络（Multi-Dimensional Enhanced Informer,MDEIF）。首先，通过SWT算法对原始负荷数据进行降噪处理，提升数据质量；其次，MSGAT通过融合多头自注意力机制和关系注意力模块，有效捕捉负荷数据中的空间耦合信息；最后，MDEIF通过优化时间序列建模，引入相对位置编码、多尺度扩展因果卷积和直通机制，显著增强模型对长序列依赖和低细粒度特征的处理能力。实验结果显示，在SC数据集上，模型RMSE为760.2MW,MAE为449.7MW,MAPE低至0.014%,R2高达0.9885；在GEF数据集上，RMSE为412.8MW,MAE为367.7MW,MAPE为0.012%,R2为0.9931。相较于传统及现有模型，SWT-MSGAT-MDEIF在预测精度和稳定性上均表现出色，验证了其在短期负荷预测中的优越性。
关键词：负荷预测;;SWT;;MSGAT;;多维增强型Informer
基金资助：国家自然科学基金（42305158）;; 第二批国家级职业教育教师教学创新团队课题研究项目（ZI2021030103）;; 江苏省高等教育教改研究立项重点课题（2021JSJG197）
