基于马卡龙序列分解的Transformer支路参数辨识
王琳鹏1
宋公飞2
汪梦龙1
1.南京信息工程大学自动化学院 南京 2100442.南京信息工程大学自动化学院 南京 210044;江苏省大气环境与装备技术协同创新中心 南京 210044
摘要：参数辨识在电力系统中起着重要的作用,作为时间序列的长期预测问题,为了解释复杂的时间模式,提出了马卡龙式序列分解的Transformer支路参数辨识方法.其中,序列分解模块被视为深度模型的内部块.在整个预测过程中,隐藏序列被逐步分解,包括过去的序列和预测的中间结果,同时采用马卡龙网络,将Transformer中的原始前馈层替换为两个半步前馈层,并且将自注意力模块和序列分解模块置于两者之间.实验结果证明,论文提出的算法具有较高的预测精度,明显优于其它的机器学习算法和深度学习算法.
关键词：马卡龙网络序列分解自注意力机制参数辨识深度学习
分类号：TP391.9(计算技术、计算机技术)
资助基金：国家自然科学基金(61973170)
论文发表日期：2025-10-20
在线出版日期：2026-01-16（本平台首次上网日期，不代表文献的发表时间）
页数：7( 2677-2682,2738 )
英文信息