其他
【精彩论文】基于VMD-CNN-BIGRU的电力系统短期负荷预测
观点凝练
摘要：为提高负荷预测精度，考虑了历史负荷本身内在规律及外部影响因素，提出一种基于变分模态分解（variational modal decomposition，VMD）–卷积神经网络（convolutional neural networks，CNN）–双向门控循环单元（bi-directional gated recurrent unit，BIGRU）混合网络的短期负荷预测方法，改善了训练时长和预测效果。通过仿真分析验证了所提方法的有效性，且该方法与其他模型相比有更高的负荷预测精度和更强的鲁棒性，能够提高电力系统短期负荷预测的精确度。
结论：本文提出一种基于VMD-CNN-BIGRU模型的电力系统短期负荷预测方法。通过实验将该模型与其他模型进行对比可知，采用CNN来提取关键特征信息，减少了训练时长和计算代价。本文所提方法结合气温和日期因素，增强了模型的预测性能，在电力系统短期负荷预测的研究中有着较高的预测精度。
引文信息
杨胡萍, 余阳, 汪超, 等. 基于VMD-CNN-BIGRU的电力系统短期负荷预测[J]. 中国电力, 2022, 55(10): 71-76.YANG Huping, YU Yang, WANG Chao, et al. Short-term load forecasting of power system based on VMD-CNN-BIGRU[J]. Electric Power, 2022, 55(10): 71-76.往期回顾
◀【精彩论文】压接型IGBT功率模块加速老化试验方法◀【征稿启事】“新能源与储能协调规划运行”专题征稿启事
◀【征稿启事】“面向典型行业的能源局域网规划与低碳运行技术”征稿启事◀【征稿启事】“面向新型电力系统的氢能及其系统集成控制关键技术”征稿启事◀【征稿启事】“双碳目标下可再生能源新型利用及关键技术”专题征稿启事
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。