Vorhersage des Stromverbrauchs basierend auf dem Granger-Transformer-Modell

Die Vorhersage des Stromverbrauchs ist wichtig für das Management und die Sicherheit des Smart Grids. Angesichts der Komplexität der Schwankungen des sozialen Stromverbrauchs schlägt dieses Papier ein Granger-Transformer-Modell vor, um durch den Granger-Kausalitätstest die Variablen und Verzögerungsperioden zu identifizieren, die einen signifikanten Einfluss auf die Vorhersage des Stromverbrauchs haben. Anschließend wird ein Transformer-Modell entwickelt, um die Vorhersage des Stromverbrauchs abzuschließen. Für die Fallstudie werden die Daten zum Stromverbrauch und wichtige Wirtschaftsdaten der wichtigsten Industrien in China von Januar 2013 bis April 2023 ausgewählt. Unter Berücksichtigung des Vergleichs verschiedener Fehlerindikatoren zeigt das in diesem Artikel vorgeschlagene Modell eine bessere Leistung im Vergleich zu anderen klassischen Vorhersagemodellen wie CNNLSTM und Random Forest. Die Ergebnisse zeigen, dass die Kombination von Granger und Transformer effektiv Einflussfaktoren filtern und die Genauigkeit der Vorhersagen verbessern kann.