改进双向门控循环单元的电力系统负荷预测

作     者：孙宁 陈田 徐桂安 SUN Ning;CHEN Tian;XU Guian

作者机构：上海电机学院机械学院上海201306 

出 版 物：《上海电机学院学报》 (Journal of Shanghai Dianji University)

年 卷 期：2022年第25卷第4期

页      面：195-200页

学科分类：12[管理学] 1201[管理学-管理科学与工程(可授管理学、工学学位)] 081104[工学-模式识别与智能系统] 08[工学] 0835[工学-软件工程] 0811[工学-控制科学与工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：上海市科委三年行动计划项目(22010501000) 上海多向模锻工程技术研究中心项目(20DZ2253200) 

主　　题：通道注意力机制 双向门控循环单元 模态分解 负荷预测 

摘      要：为提升电力系统短期负荷的预测精度,需要从海量信息中筛选出有效的数据。首先,采用完全自适应噪声集合经验模态分解法(CEEMDAN)消除数据中的模态混叠问题,针对电力负荷数据时序性和非线性的特点,提出注意力机制(AM)、卷积神经网络(CNN)和双向门控循环单元(Bi GRU)组合的短期负荷预测模型;其次,配合AM的CNN能准确的对有效特征进行提取,将提取的特征向量构造为时序序列输入Bi GRU模型中,学习在温度、湿度、降雨量条件影响下的时序特征;最后,提出的模型结构对负荷预测的准确率要高于双向门控循环单元和循环记忆网络。