10.11930/j.issn.1004-9649.202206097
基于VMD-CNN-BIGRU的电力系统短期负荷预测
为提高负荷预测精度,考虑了历史负荷本身内在规律及外部影响因素,提出一种基于变分模态分解(variational modal decomposition,VMD)-卷积神经网络(convolutional neural networks,CNN)-双向门控循环单元(bi-directional gated recurrent unit,BIGRU)混合网络的短期负荷预测方法,改善了训练时长和预测效果.通过仿真分析验证了所提方法的有效性,且该方法与其他模型相比有更高的负荷预测精度和更强的鲁棒性,能够提高电力系统短期负荷预测的精确度.
短期负荷预测、变分模态分解、卷积神经网络、双向门控循环单元
55
TP391;TS104.5;TP183
国家自然科学基金;国网江西省电力有限公司南昌市昌北供电分公司科技项目
2022-10-25(万方平台首次上网日期,不代表论文的发表时间)
共6页
71-76