-
题名基于新型循环生成对抗网络的电力系统短期负荷预测
- 1
-
-
作者
夏明章
姜通海
张智晟
-
机构
青岛大学电气工程学院
中国广核集团有限公司
-
出处
《电气工程学报》
北大核心
2025年第2期237-244,共8页
-
基金
国家自然科学基金资助项目(52077108)。
-
文摘
针对提高电力系统短期负荷预测精度和预测稳定的问题,提出一种新型循环生成对抗网络(Cycle-consistent generative adversarial network,CycleGAN)。生成器和判别器分别为门控循环单元(Gated recurrent unit,GRU)和时间卷积网络(Temporal convolutional network,TCN)。生成器使用门控循环单元神经网络,能较好地适应时序预测任务和解决模型梯度问题。判别器模型使用时间卷积神经网络,在捕捉时序任务数据中的长期依赖关系上有着较好效果,并且更有效地识别生成器生成的伪造样本与真实样本之间的差异。同时,循环生成对抗网络引入了循环一致性损失函数,可以让模型在训练过程中更为充分地学习预测规律。通过算例试验,证明所提出的新模型具有更好的预测精度和稳定性。
-
关键词
短期负荷预测
门控循环单元
时间卷积神经网络
循环生成对抗网络
循环一致性损失函数
-
Keywords
Short-term load forecasting
gated recurrent unit
temporal convolutional neural network
cycle-consistent generative adversarial network
cycle consistency loss function
-
分类号
TM715
[电气工程—电力系统及自动化]
-
