GRU结合STL分解的短期电量预测方法

• 作者: 周绍景 李晋国 李红娇
• 来源期刊: 上海电力大学学报
• 学科: 工学
• 关键词: 门控循环单元 短期电量预测 循环神经网络 深度学习 时间序列分解
• 年，卷（期）: 2020,（5）
• 所属期刊栏目: 智慧用能
• 页码范围: 415-420
• 页数: 6页
• 分类号: TM715|TP18
• 语种: 中文
• DOI: 10.3969/j.issn.2096-8299.2020.05.001

摘要

基于循环神经网络的模型具有出色的捕获非线性关系的能力,在电量预测中具有良好的性能.但它无法完全捕获历史信息,影响了预测结果的准确性.为了解决这些问题,提出了一种门控循环单元(GRU)模型结合STL分解的方法.评估结果表明,该方法能较好地捕获局部和全局信息,并具有比传统模型更高的预测精度.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李红娇		24	63	4.0	7.0
2	李晋国		10	42	3.0	6.0
3	周绍景		2	0	0.0	0.0