基于CNN-GRU SA模型的短期电力负荷预测研究

葛夫勇雷景生

上海电力学院;

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.

关键词：电力负荷预测;CNN;GRU;Self-attention

所属期刊栏目：5

分类号：TM715(输配电工程、电力网及电力系统)

在线出版日期：2021-09-10（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：150-154