文献类型：期刊文章

作　　者：曾囿钧[1] 肖先勇[1] 徐方维[1] 郑林[2]

ZENG Youjun;XIAO Xianyong;XU Fangwei;ZHENG Lin(College of Electrical Engineering,Sichuan University,Chengdu 610065,China;Mianyang Power Supply Company,State Grid Sichuan Power Supply Company,Mianyang 621000,China)

机构地区：[1]四川大学电气工程学院,四川成都610065 [2]国网四川省电力公司绵阳供电公司,四川绵阳621000

出　　处：《中国电力》

基　　金：国家自然科学基金面上资助项目(新一代电力系统中谐波发射水平评估理论与方法,51877141)。

年　　份：2021

卷　　号：54

期　　号：9

起止页码：17-23

语　　种：中文

收录情况：AJ、BDHX、BDHX2020、CSCD、CSCD2021_2022、JST、RCCSE、SCOPUS、ZGKJHX、核心刊

摘　　要：为充分挖掘蕴含在大量采集数据中的有效信息,提高短期负荷预测精度,提出一种基于卷积神经网络(CNN)和双向门控循环单元(BiGRU)、全连接神经网络(NN)的混合模型的短期负荷预测方法,将海量的历史负荷数据、气象信息、日期信息按时间滑动窗口构造特征图作为输入,先利用CNN提取特征图中的有效信息,构造特征向量,再将特征向量作为BiGRU-NN网络的输入,采用BiGRU-NN网络进行短期负荷预测。以2016年举办的全国第九届电工数学建模竞赛试题A题中的负荷数据作为实际算例,实验结果表明:该方法与DNN神经网络、GRU神经网络、CNN-LSTM神经网络短期负荷预测法相比,有更高的预测精度。

关 键 词：电力系统  短期负荷预测 卷积神经网络 双向门控循环单元  卷积神经网络-双向门控循环单元神经网络混合模型  

分 类 号：TM715] TP183]