基于抽样卷积交互网络和改进Informer的多元负荷预测方法

针对多元负荷之间耦合关系复杂、波动性和随机性较强的特点,以及已有模型无法兼顾数据的充分挖掘和高效计算的现状,提出了一种基于抽样卷积交互网络和改进Informer的多元负荷预测模型.模型利用抽样卷积交互网络降低多元负荷数据的排列熵,使多元负荷更容易被预测;利用改进稀疏自注意力模块同时提取多元负荷在时间上的时序特征和空间上的耦合特征.通过算例分析可知:所建立的模型既能充分挖掘多元负荷的耦合关系和时序关系,相较于其他模型具有更低误差;能高效训练,相较于传统注意力模型具有更快的训练和预测速度.