声明
严正声明：本站非期刊官网，非中介代理。
本站仅提供学术规范服务：快速预审、润色编辑服务、中英文查重、降重、去重服务、推荐合适的期刊投稿等学术规范服务。 如需提供学术规范服务请联系在线编辑。
国内刊号：44-1251/T
国际刊号：1000-565X
发布日期:
作者：周璇, 李可昕, 郭子轩, 俞祝良, 闫军威, 蔡盼盼
单位：1.华南理工大学 机械与汽车工程学院，广东 广州 5106402.华南理工大学 自动化科学与工程学院，广东 广州 5106403.广州现代产业技术研究院，广东 广州 5114584.人工智能与数字经济广东省实验室（广州），广东 广州 511442
关键词：商业建筑用电负荷预测,频率增强通道注意力机制,Informer,麻雀优化算法
基金：广东省自然科学基金项目(2022A1515011128)
商业建筑短期用电负荷多步预测是城市有序用电和虚拟电厂调度的关键环节。商业建筑用电负荷时间序列具有强随机性、非平稳、非线性等特点，针对传统的迭代式多步用电负荷预测方法存在误差累积效应影响预测精度的问题，提出一种基于频率增强通道注意力机制（FECAM）—麻雀优化算法（SSA）—Informer的短期用电负荷多步预测方法。该方法在Informer编码器输出时域特征的基础上，采用FECAM对各特征通道间的频率依赖性进行自适应建模，进一步提取多维输入序列的频域特征，生成式解码器利用融合的时、频域信息直接输出未来多步用电负荷序列。此外，由于改进Informer超参数设置缺乏理论依据，使用SSA寻优学习率、批处理大小、全连接维度和失活率的最佳组合。以广州某商业建筑全年用电负荷数据作为实际算例，结果表明，与其他深度学习模型相比，所提模型在不同预测步长（48、96、288、480、672步）下的预测精度显著提升，具有更优的短期用电负荷多步预测性能。
来源：2026年第1期
《华南理工大学学报(自然科学版)》期刊编辑部
严正声明：本站非期刊官网，非中介代理。
本站仅提供学术规范服务：快速预审、润色编辑服务、中英文查重、降重、去重服务、推荐合适的期刊投稿等学术规范服务。 如需提供学术规范服务请联系在线编辑。