基于GRU-NN模型的短期负荷预测方法

被引：192

作者：

王增平 ^{[1
]}

赵兵 ^{[1
,2
]}

纪维佳 ^{[3
]}

高欣 ^{[3
]}

李晓兵 ^{[3
]}

机构：

[1] 华北电力大学电气与电子工程学院

[2] 中国电力科学研究院有限公司

[3] 北京邮电大学自动化学院

来源：

电力系统自动化 | 2019年 / 43卷 / 05期

基金：

国家重点研发计划;

关键词：

电力系统; 短期负荷预测; 门控循环单元; 深度神经网络;

D O I：

暂无

中图分类号：

TM715 [电力系统规划];

学科分类号：

080802 ;

摘要：

目前基于统计分析和机器学习的预测方法难以同时兼顾负荷数据的时序性和非线性特点。文中提出了一种基于GRU-NN模型的短期电力负荷预测方法。该方法基于深度学习思想处理不同类型的负荷影响因素,引入门控循环单元(GRU)网络处理具有时序性特点的历史负荷序列,建模学习负荷数据内部动态变化规律,其输出结果与其他外部影响因素(天气、日类型等)融合为新的输入特征,使用深度神经网络进行处理,整体分析特征与负荷变化的内在联系,最后完成负荷预测。以美国某公共事业部门提供的公开数据集和中国某地区的负荷数据作为实际算例,该方法预测精度分别达到了97.30%和97.12%,并与长短期记忆神经网络、多层感知机以及GRU神经网络方法进行对比,实验结果表明所提方法具有更高的预测精度和更快的预测速度。

引用

页码：53 / 58

页数：6

共 10 条

[1] 基于深度信念网络的短期负荷预测方法 [J].

孔祥玉 ;

郑锋 ;

鄂志君 ;

曹旌 ;

王鑫 .

电力系统自动化, 2018, 42 (05) :133-139

[2] 实现影响因素多源异构融合的短期负荷预测支持向量机算法 [J].

吴倩红 ;

高军 ;

侯广松 ;

韩蓓 ;

汪可友 ;

李国杰 .

电力系统自动化, 2016, 40 (15) :67-72+92

[3]

基于人工神经网络的短期电力负荷预测研究.[D].程宇也.浙江大学.2017, 07

[4]

An efficient deep model for day-ahead electricity load forecasting with stacked denoising auto-encoders.[J].Chao Tong;Jun Li;Chao Lang;Fanxin Kong;Jianwei Niu;Joel J.P.C. Rodrigues.Journal of Parallel and Distributed Computing.2018,

[5]

Load Forecasting via Deep Neural Networks.[J].Wan He.Procedia Computer Science.2017,

[6] Comparative study of wavelet-ARIMA and wavelet-ANN models for temperature time series data in northeastern Bangladesh [J].

Nury, Ahmad Hasan ;

Hasan, Khairul ;

Bin Alam, Md Jahir .

JOURNAL OF KING SAUD UNIVERSITY SCIENCE, 2017, 29 (01) :47-61

[7]

The Load Forecasting Model Based on Bayes-GRNN.[J].Yanmei Li;Jingmin Wang.Journal of Software.2012, 6

[8]

Electric power demand forecasting using interval time series: A comparison between VAR and iMLP.[J].Carolina García-Ascanio;Carlos Maté.Energy Policy.2009, 2

[9]

Using adaptive network based fuzzy inference system to forecast regional electricity loads.[J].Li-Chih Ying;Mei-Chiu Pan.Energy Conversion and Management.2007, 2

[10] Long short-term memory [J].

Hochreiter, S ;

Schmidhuber, J .

NEURAL COMPUTATION, 1997, 9 (08) :1735-1780

← 1 →