基于CNN-BIGRU-ATTENTION的短期电力负荷预测

• 作者: 方娜 余俊杰 李俊晓 万畅
• 来源期刊: 计算机仿真
• 学科: 工学
• 关键词: 短期负荷预测 注意力机制 卷积神经网络 双向门控循环单元 混合模型
• 年，卷（期）: 2022,（2）
• 所属期刊栏目: 能源领域仿真
• 页码范围: 40-44,82
• 页数: 6页
• 分类号: TP183
• 语种: 中文
• DOI: 10.3969/j.issn.1006-9348.2022.02.008

摘要

电价的实时波动,会对负荷预测精度产生一定影响,增加预测的复杂性.针对这一问题,本文构建基于注意力(AT-TENTION)机制的卷积神经网络(CNN)和双向门控循环单元(BIGRU)混合模型对短期电力负荷进行预测.首先用CNN对负荷及电价数据特征进行抽取;其次,利用BIGRU对潜藏的时序规律进行提取;最后结合ATTENTION机制,突出关键特征.仿真结果表明,与BP网络、CNN-GRU、CNN-BIGRU和CNN-GRU-ATTENTION混合模型的预测结果相比,上述模型具有更高的预测精度,是一种有效的短期负荷预测方法.