-GRU模型的短期负荷预测方法.pdf

文档介绍：电力工程技*
2021年5月 Electric Power Engineering Technology 第40卷第3期 66
D01:-
基于TCN-GRU 模型的短期负荷预测方法
郭玲1,徐青山S郑乐1
(，江苏南京210096；
，江苏南京210096)
摘 要：为了进一步提高短期负荷的预测精度，为电力系统的稳定运行提供更加有力的保障，文中提出了一种将时
间卷积网络(TCN) 和门限循环单元(GRU)相结合的短期负荷预测方法TCN-GRU O首先，将采集的训练数据划分
为时序数据和非时序数据;其次，将时序数据输入到TCN 模型中以提取时序特征;然后,将提取出来的时序特征与
非时序数据组合起来输入到GRU模型中对模型进行训练；最后，利用训练好的模型实现对短期电力负荷的预测。
基于广东省佛山市某行业真实负荷数据验证了 TCN-GRU 模型的负荷预测能力，并通过对比多种深度学****模型的
预测效果,验证该模型具有更高精度的短期负荷预测能力。
关键词：时间卷积网络(TCN) ； 门限循环单元(GRU)； 短期负荷预测；时序特征;深度学****br/> 中图分类号:TM715 文献标志码:A 文章编号:2096-3203 (2021) 03-0066-06
进的长短期记忆网络［13,16］ ( long short-term memory,
0引言
LSTM)模型引入门控制单元，解决了 RNN模型训练
短期负荷预测是能源管理系统的重要组成部 过程中梯度消失或爆炸的问题。文献［17］中采用
分,是市场机制下制定供电计划、电力调度计划和 了基于LSTM模型改进的门限循环单元(gated re­
电力交易计划的重要基础，也为电力系统的经济