Transformer de dos etapas y corrección residual con GRU para predecir la demanda eléctrica a corto plazo
Los autores proponen TE-AG-GRU-RC, una arquitectura en dos etapas para la previsión de carga eléctrica a corto plazo. La primera etapa usa un transformer encoder sobre la carga histórica y variables externas para generar una predicción base y captar dependencias temporales largas. La segunda etapa aplica una corrección residual basada en GRU con mecanismo de atención, que recoge la dinámica de corto plazo y refina la predicción. El resultado final combina la predicción base con el residuo estimado. El modelo se evalúa con series horarias reales multivariantes.
Qué significa
Los operadores eléctricos que anticipan la demanda podrían obtener previsiones más precisas, lo que facilita equilibrar oferta y consumo en tiempo real.
Fuentes originales
Resumen de Hoy en IA. Pulsa una fuente para leer la noticia completa en su idioma original.
- Frontiers in Artificial Intelligence | New and Recent ArticlesLeer la noticia completa en Frontiers in Artificial Intelligence | New and Recent Articles