基于CNN-GRU SA模型的短期电力负荷预测研究

• 作者: 葛夫勇 雷景生
• 来源期刊: 现代信息科技
• 关键词: 电力负荷预测 CNN GRU Self-attention
• 年，卷（期）: 2021,（7）
• 所属期刊栏目: 智能制造|Intelligent Manufacturing
• 页码范围: 150-154
• 页数: 5页
• 分类号: TM715
• 语种: 中文
• DOI: 10.19850/j.cnki.2096-4706.2021.07.039

摘要

为了解决预测模型无法充分挖掘特征等问题,提出一种基于CNN-GRU SA混合模型的短期电力负荷预测方法.通过CNN模型提取输入数据的向量特征,利用双层GRU模型学习输入特征,掌握其特征规律,Self-attention机制充分挖掘输入的特征信息,最后预测出负荷值.实验采用英格兰公开数据集,实验结果表明,相较于CNN-GRU、GRU和CNN基线模型,该模型的预测精度更高,证明了该方法的有效性.