基于CNN-GRU-MLR的多频组合短期电力负荷预测 |
| |
引用本文: | 方娜,李俊晓,陈浩,余俊杰.基于CNN-GRU-MLR的多频组合短期电力负荷预测[J].计算机仿真,2023(1):118-124. |
| |
作者姓名: | 方娜 李俊晓 陈浩 余俊杰 |
| |
作者单位: | 1. 湖北工业大学太阳能高效利用及储能运行控制湖北省重点实验室;2. 湖北工业大学湖北省电网智能控制与装备工程技术研究中心 |
| |
基金项目: | 国家自然科学基金青年科学基金项目(51809097);;湖北省教育厅科学技术研究计划指导性项目(B2018044); |
| |
摘 要: | 负荷预测对于电力企业制定未来调度计划十分重要。为了进一步提高预测精度,充分挖掘负荷数据中时序特征的联系,提出一种卷积神经网络(Convolutional Neural Networks, CNN)、门控循环单元(Gate Recurrent Unit, GRU)和多元线性回归(Multiple Linear Regression, MLR)混合的多频组合电力负荷预测模型。该模型先对时间序列的负荷数据进行集合经验模态分解(Ensemble Empirical Mode Decomposition, EEMD),并将其重构为高低两种频率;同时在高频中引入影响因子较大的气象因素,使用CNN-GRU模型预测,低频部分使用多元线性回归进行预测;最后将各个模型得出的预测结果叠加,得到最终预测结果。仿真结果表明,相对于其它网络模型,提出的混合模型具有更高的预测精度,是一种有效的短期负荷预测方法。
|
关 键 词: | 集合经验模态分解 门控循环单元 多元线性回归 卷积神经网络 |
|
|