电网技术

2020, v.44;No.442(09) 3416-3424

[打印本页] [关闭]
本期目录(Current Issue) | 过刊浏览(Past Issue) | 高级检索(Advanced Search)

基于CNN-GRU混合神经网络的负荷预测方法
Load Forecasting Method Based on CNN-GRU Hybrid Neural Network

姚程文;杨苹;刘泽健;

摘要(Abstract):

为充分挖掘负荷数据中时序性特征的联系,提高负荷预测的精度,提出了一种基于卷积神经网络(convolutional neural networks,CNN)和门控循环单元(gated recurrent unit,GRU)混合神经网络的负荷预测方法。以日期因素、气候因素、相似日负荷因素构建特征集作为输入,首先采用k-means聚类方法对地区内的样本数据集进行分组;再运用CNN网络提取特征与负荷在高维空间的联系,构造时序序列的高维特征向量,并将结果输入到GRU网络中;最后训练各组GRU网络模型的参数并输出负荷预测值。使用该方法对浙江省某地区电力负荷数据进行预测,结果表明,所提负荷预测方法与长短期记忆(long short-termmemory,LSTM)网络模型、GRU网络模型、CNN-LSTM网络模型、支持向量机回归模型及决策树模型相比,在预测精度与预测效率方面具有显著优势。

关键词(KeyWords): 负荷预测;卷积神经网络;门控循环单元;深度学习;负荷聚类

Abstract:

Keywords:

基金项目(Foundation): 广东省科技计划项目(2017B030314124)~~

作者(Author): 姚程文;杨苹;刘泽健;

Email:

DOI: 10.13335/j.1000-3673.pst.2019.2058

参考文献(References):

扩展功能
本文信息
服务与反馈
本文关键词相关文章
本文作者相关文章
中国知网
分享