基于CNN-BIGRU-ATTENTION的短期电力负荷预测

被引：15
|
作者：
方娜 [1 ,2 ]
余俊杰 [1 ,2 ]
李俊晓 [1 ,2 ]
万畅 [1 ,2 ]
机构：
[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
来源：
计算机仿真 | 2022年 / 02期
关键词：
短期负荷预测; 注意力机制; 卷积神经网络; 双向门控循环单元; 混合模型;
D O I：
暂无
中图分类号：
TP183 [人工神经网络与计算]; TM715 [电力系统规划];
学科分类号：
080802 ; 081104 ; 0812 ; 0835 ; 1405 ;
摘要：
电价的实时波动，会对负荷预测精度产生一定影响，增加预测的复杂性。针对这一问题，本文构建基于注意力(ATTENTION)机制的卷积神经网络(CNN)和双向门控循环单元(BIGRU)混合模型对短期电力负荷进行预测。首先用CNN对负荷及电价数据特征进行抽取；其次，利用BIGRU对潜藏的时序规律进行提取；最后结合ATTENTION机制，突出关键特征。仿真结果表明，与BP网络、CNN-GRU、CNN-BIGRU和CNN-GRU-ATTENTION混合模型的预测结果相比，上述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。
引用
收藏
页码：40 / 44 +82
页数：6
相关论文
共 16 条
  • [1] 基于改进PSO优化RNN的短期电力负荷预测模型
    程换新
    黄震
    [J]. 电子测量技术, 2019, 42 (20) : 94 - 98
  • [2] 面向家居用户行为预测的Bi GRU-DAtt模型研究
    徐雅芸
    曾碧
    梁天恺
    廖文雄
    [J]. 计算机工程与应用, 2020, (12) : 237 - 242
  • [3] 基于多模型融合神经网络的短期负荷预测
    许言路
    张建森
    吉星
    王斌斌
    邓卓夫
    [J]. 控制工程, 2019, 26 (04) : 619 - 624
  • [4] 基于深度长短时记忆网络的区域级超短期负荷预测方法
    张宇帆
    艾芊
    林琳
    袁帅
    李昭昱
    [J]. 电网技术, 2019, 43 (06) : 1884 - 1892
  • [5] 基于注意力机制的CNN-LSTM模型及其应用
    李梅
    宁德军
    郭佳程
    [J]. 计算机工程与应用, 2019, 55 (13) : 20 - 27
  • [6] 一种结合CNN和GRU网络的超短期风电预测模型
    薛阳
    王琳
    王舒
    张亚飞
    张宁
    [J]. 可再生能源, 2019, (03) : 456 - 462
  • [7] 基于GRU-NN模型的短期负荷预测方法
    王增平
    赵兵
    纪维佳
    高欣
    李晓兵
    [J]. 电力系统自动化, 2019, 43 (05) : 53 - 58
  • [8] 基于CNN-LSTM混合神经网络模型的短期负荷预测方法
    陆继翔
    张琪培
    杨志宏
    涂孟夫
    陆进军
    彭晖
    [J]. 电力系统自动化, 2019, 43 (08) : 131 - 137
  • [9] 电力市场中基于Attention-LSTM的短期负荷预测模型
    彭文
    王金睿
    尹山青
    [J]. 电网技术, 2019, 43 (05) : 1745 - 1751
  • [10] 基于HMM模型的电力负荷预测模型研究
    郑敏嘉
    卢洵
    程鑫
    [J]. 机电工程技术, 2018, 47 (11) : 170 - 173
12