文档介绍：GRU神经网络短期电力负荷预测研究
 
   
 
 
 
 
 
 
 
     
 
 
 
 
 
周莽 高僮 李晨光 姜辰龙
摘 要：随着智能电网的快速发展，针对电力部门亟需解决的短期电力负荷预测的问题，提出了一种基于栈式自编码和GRU神经网络的短期电力负荷预测方法，方法首先对输入的历史数据，包括电力负荷、天气信息和节假日信息等进行栈式自编码，从而将输入数据进行压缩，然后利用多层GRU构建神经网络，从而预测电力负荷，实例结果表明，将文本提出的电力负荷预测模型能有效预测电力负荷的日变化，与其它常用模型进行比对，预测误差更小，精度更高。
关键词：智能电网；神经网络；电力负荷预测；栈式自编码
TM715 文献标志码：A ：2095-2945（2018）33-0052-03
Abstract： With the rapid development of smart grid， a short-term load forecasting method based on stack self-coding and GRU neural network is proposed. Methods the input historical data， including power load， weather information and holiday information， are compressed by stack self-coding， and then the neural network is constructed using multi-layer GRU to predict the power load. The results show that the proposed power load forecasting model can effectively predict the diurnal variation of power load， and compared with other commonly used models， the forecasting error is smaller and the accuracy is higher.
Keywords： smart grid； neural network； power load forecasting； stack self-coding
1 概述
电力负荷预测包括长期电力负荷预测、中期电力负荷和短期电力负荷。短期负荷预测主要是预测短时间的负荷用量，一般包括数分钟到数小时的电力负荷使用状况，或者日电力负荷和周电力负荷预测情况，预测结果会对电厂的水电调度、发电机组控制、水火协调控制等提供理论参考依据，因此短期电力负荷预测是电网短期日常运行所需的重要工作内容。根据预测的输出形式要求，电力负荷预测可划分为点负荷预测和概率预测。点负荷预测是指对某一时刻用电量的一个具体的数值预测；概率负荷预测是指对用电量的概率区间的预测，结果为一个概率密度函数或一个预测区间。概
率负荷预测与点预测相比，它对未来电力负荷的输出结果提供了更多的选择。但是，电力负荷预测会受到天气、温度、节假日等因素的影响，因此，短期负荷预