基于改进GRU的短期电力负荷预测方法

• 作者: 龚田李慧 刘辉
• 来源期刊: 通信电源技术
• 关键词: 短期电力负荷预测 灰狼算法 门控循环单元 神经网络
• 年，卷（期）: 2021,（4）
• 所属期刊栏目: 研制开发|Manufacture & Development
• 页码范围: 1-4,7
• 页数: 5页
• 语种: 中文
• DOI: 10.19399/j.cnki.tpt.2021.04.001

摘要

为提高电力负荷预测的准确性,采用灰狼优化(Grey Wolf Optimizer,GWO)算法对门控循环单元(Gated Recurrent Unit Neural Network,GRU)神经网络进行优化,并进行短期电力负荷预测.首先预处理数据并量化影响因素,然后搭建基于GWO超参数优化的GRU神经网络模型,最后与其他模型对比得出预测结果.实验结果显示,该方法拟合度高,收敛速度快,有较好的预测效果.