其他
【精彩论文】基于CNN-BiGRU-NN模型的短期负荷预测方法
观点凝练
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。
结论：本文通过结合传统神经网络与新型神经网络模型的优点，提出一种基于CNN-BiGRU-NN混合模型的电力短期负荷预测方法，首先利用CNN提取数据有效潜在特征，再运用BiGRU-NN模型处理时序性特征数据，深度挖掘电力系统负荷数据的非线性以及时序性特征。通过与传统DNN、GRU、CNN-LSTM神经网络预测模型进行对比，结果表明本文提出的混合模型有更高的预测精度。未来可以加入对电力市场电价调整等更多负荷影响因素的考虑，进一步提高短期负荷预测精度。
引文信息
曾囿钧, 肖先勇, 徐方维, 等. 基于CNN-BiGRU-NN模型的短期负荷预测方法[J]. 中国电力, 2021, 54(9): 17-23.ZENG Youjun, XIAO Xianyong, XU Fangwei, et al. A short-term load forecasting method based on CNN-BiGRU-NN model[J]. Electric Power, 2021, 54(9): 17-23.往期回顾
◀【精彩论文】基于改进蜂群算法的独立二次一体化中心优化选址策略
◀【征稿启事】“面向数字化转型的电力系统大数据分析技术”专题征稿启事
◀【征稿启事】“新型电力系统信息安全：理论、技术与应用”专题征稿启事
◀【征稿启事】“双碳目标下多能互补促进新能源消纳关键技术”征稿启事
编辑：杨彪
审核：方彤
根据国家版权局最新规定，纸媒、网站、微博、微信公众号转载、摘编《中国电力》编辑部的作品，转载时要包含本微信号名称、二维码等关键信息，在文首注明《中国电力》原创。个人请按本微信原文转发、分享。欢迎大家转载分享。