基于门控循环单元网络与模型融合的负荷聚合体预测方法

摘要：

随着智能电表的普及, 以智能电表数据为基础, 可按需求灵活划分不同规模的负荷聚合体并开展预测.由于负荷聚合体规模差异较大, 并与用户负荷特性关系密切, 传统预测方法不再适用.为此, 提出了一种基于门控循环单元 (GRU) 网络与模型融合的负荷聚合体预测方法.首先, 通过分布式谱聚类算法获得负荷特性相近的负荷群体, 然后进行分组预测, 采用GRU作为元模型, 对时间序列进行动态建模, 利用随机森林算法融合多个结构不同的GRU网络, 实现对负荷群体的预测, 最终将各群体预测值求和得到负荷聚合体预测值.算例表明, 得益于分组预测、动态时间建模及模型融合技术, 所述方法能充分利用不同模型的结构优势, 发现时间序列动态规律, 在不同时间尺度下预测精度更高, 对不同规模的负荷聚合体适用性更强.

关键词：负荷预测、谱聚类、门控循环单元、模型融合

所属期刊栏目：43

资助基金：国家重点研发计划资助项目2018YFB0905000 This work is supported by National Key R&D Program of China 2018YFB0905000

在线出版日期：2019-05-31（万方平台首次上网日期，不代表论文的发表时间）

页数：共10页

页码：65-74