基于CNN-BiGRU-NN模型的短期负荷预测方法

摘要：

为充分挖掘蕴含在大量采集数据中的有效信息,提高短期负荷预测精度,提出一种基于卷积神经网络(CNN)和双向门控循环单元(BiGRU)、全连接神经网络(NN)的混合模型的短期负荷预测方法,将海量的历史负荷数据、气象信息、日期信息按时间滑动窗口构造特征图作为输入,先利用CNN提取特征图中的有效信息,构造特征向量,再将特征向量作为BiGRU-NN网络的输入,采用BiGRU-NN网络进行短期负荷预测.以2016年举办的全国第九届电工数学建模竞赛试题A题中的负荷数据作为实际算例,实验结果表明:该方法与DNN神经网络、GRU神经网络、CNN-LSTM神经网络短期负荷预测法相比,有更高的预测精度.

关键词：电力系统;短期负荷预测;卷积神经网络;双向门控循环单元;卷积神经网络-双向门控循环单元神经网络混合模型

所属期刊栏目：54

资助基金：国家自然科学基金面上资助项目新一代电力系统中谐波发射水平评估理论与方法,51877141

在线出版日期：2021-10-08（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：17-23