【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.

欢迎点击文后“阅读原文”跳转期刊官网，获取更多信息！

 往期回顾 

编辑：于静茹

校对：张重实

审核：方彤

声明

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。