基于CNN-GRU神经网络的短期负荷预测

摘要：

提出了一种基于CNN-GRU(convolutional neural networks-gate recurrent unit)神经网络的电力系统短期负荷预测方法.首先使用卷积神经网络(CNN)对负荷及气象数据进行卷积处理,以更好地提取数据新特征,增强输入数据与输出数据间的相关性.然后使用门控循环单元(GRU)实现短期负荷预测.使用某地区的负荷数据结合当地的气象数据,对CNN-GRU方法进行了测试.结果表明:与单独的CNN网络或GRU网络相比,CNN-GRU网络对电力系统短期负荷的预测误差更小,预测精度更高.

关键词：短期负荷预测、深度学习、卷积神经网络、门控循环单元

所属期刊栏目：36

分类号：TM715(输配电工程、电力网及电力系统)

在线出版日期：2021-03-03（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：53-57