基于差分分解和误差补偿的短期电力负荷预测方法

摘要：

基于序列分解的方法能够提高短期电力负荷预测精度,但会带来误差的积累.同时,现有方法忽略了历史预测误差与当前预测结果的相关关系.提出了一种基于差分分解和误差补偿的短期电力负荷预测方法(differential decomposition-error compensation-gated recurrent unit,DD-EC-GRU).首先,对原始负荷序列进行一阶差分,将负荷的预测问题转化为负荷变化量的预测问题.基于此,在一组实际预测负荷序列的基础上引入多组辅助预测负荷序列,应用门控循环单元(gated recurrent unit,GRU)构建多目标迭代预测网络.最后综合考虑各序列迭代预测误差的变化趋势与平稳性,构建基于序列相似度和人工神经网络集成模型的误差补偿网络,提升预测精度.在3个实际负荷数据集上对DD-EC-GRU各环节有效性进行验证,并与多种主流算法对比,结果表明本文所提方法有较高的预测精度和较强的适应能力.

关键词：短期电力负荷预测、门控循环单元、一阶差分分解、误差补偿

所属期刊栏目：45

分类号：TM715(输配电工程、电力网及电力系统)

资助基金：国家重点研发计划项目2016YFF0201201

在线出版日期：2021-07-14（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：2560-2568