단기 전력 수요 예측을 위한 다중 헤드 RNN 기반 아키텍처
A Multi-Head RNN-based Architecture for Short-term Electricity Demand Forecasting
0
조회
0
다운로드
0
인용
0
참고문헌
키워드
초록
본 논문은 전력 관련 데이터와 기상 데이터를 통합하여 특징 선택(feature selection)을 수행하고, Multi-Head RNN/LSTM/GRU 모델을 적용한 단기 전력 수요 예측 접근법을 제안한다. 다양한 순환신경망(RNN) 구조의 강점을 결합함으로써, 제안된 방법은 예측 정확도를 향상시키는 것을 목표로한다. 또한, 전력 데이터와 기상 데이터를 융합하고, 가장 좋은 예측 성능을 가진 특징 변수들의조합을 찾아서, 멀티 헤드 RNN/LSTM/GRU 모델에 적용한다. 이러한 접근법은 전력 공급 관리와의사결정 지원에 기여하고, 현대 전력망의 안정적 운영을 뒷받침할 것으로 기대된다.
Abstract
In this paper, we propose a short-term electricity demand forecasting approach that integrates power-related and meteorological data through feature selection and applies a Multi-Head RNN/LSTM/GRU model. By leveraging the strengths of multiple recurrent neural network architectures, the proposed method aims to enhance forecasting accuracy. Furthermore, we fuse power data with meteorological data, identify the combination of features exhibiting the best predictive performance, and apply this to a Multi-Head RNN/LSTM/GRU model. This approach is expected to support informed decision-making in power supply management and contribute to the stable operation of modern power grids.