基于GRU-NN模型的短期负荷预测方法

• 作者: 李晓兵 王增平 纪维佳 赵兵 高欣
• 来源期刊: 电力系统自动化
• 关键词: 电力系统 短期负荷预测 门控循环单元 深度神经网络
• 年，卷（期）: 2019,（5）
• 所属期刊栏目: 学术研究
• 页码范围: 53-58
• 页数: 6页
• 字数: 5806字
• 语种: 中文

摘要

目前基于统计分析和机器学习的预测方法难以同时兼顾负荷数据的时序性和非线性特点.文中提出了一种基于GRU-NN模型的短期电力负荷预测方法.该方法基于深度学习思想处理不同类型的负荷影响因素,引入门控循环单元(GRU)网络处理具有时序性特点的历史负荷序列,建模学习负荷数据内部动态变化规律,其输出结果与其他外部影响因素(天气、日类型等)融合为新的输入特征,使用深度神经网络进行处理,整体分析特征与负荷变化的内在联系,最后完成负荷预测.以美国某公共事业部门提供的公开数据集和中国某地区的负荷数据作为实际算例,该方法预测精度分别达到了97.30％和97.12％,并与长短期记忆神经网络、多层感知机以及GRU神经网络方法进行对比,实验结果表明所提方法具有更高的预测精度和更快的预测速度.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王增平	华北电力大学电气与电子工程学院	190	3499	31.0	51.0
2	高欣	北京邮电大学自动化学院	29	184	8.0	12.0
3	赵兵	华北电力大学电气与电子工程学院	63	750	17.0	25.0
7	纪维佳	北京邮电大学自动化学院	1	18	1.0	1.0
8	李晓兵	北京邮电大学自动化学院	1	18	1.0	1.0