-
题名基于多分支门控残差卷积神经网络的短期电力负荷预测
被引量：15
- 1
-
-
作者
樊江川
于昊正
刘慧婷
杨丽君
安佳坤
-
机构
国网河南省电力公司经济技术研究院
电力电子与电力传动河北省重点实验室(燕山大学)
国网河北省电力有限公司经济技术研究院
-
出处
《中国电力》
CSCD
北大核心
2022年第11期155-162,174,共9页
-
基金
河北省自然科学基金资助项目(促进风电消纳的区域电-热综合能源系统协同优化调度研究,E2019203514)。
-
文摘
短期电力负荷预测是电力部门进行电网规划和运行调度的重要工作之一,针对负荷数据的时序性特征,为提升电力负荷预测精度,建立了一种基于多分支门控残差卷积神经网络(residualgatedconvolutional neural network,RGCNN)的短期电力负荷预测模型。该模型首先采用多分支门控残差卷积神经网络对历史负荷的周周期特征、日周期特征、近邻特征进行深度特征提取;其次为增加模型的非线性拟合能力,采用注意力机制对权重进一步合理分配;最后通过归一化指数函数计算后输出负荷预测结果。使用2016年某电力竞赛数据进行实验,通过与4种常用模型对比,该模型预测结果的平均绝对百分误差(MAPE)评价指标下降了0.02%~0.70%,验证了该模型提高负荷预测精度的有效性。
-
关键词
短期负荷预测
多分支神经网络
门控残差卷积神经网络
注意力机制
特征提取
-
Keywords
short-term load forecasting
multi-branch neural network
RGCNN
attention mechanism
feature extraction
-
分类号
TM715
[电气工程—电力系统及自动化]
TP183
[自动化与计算机技术—控制理论与控制工程]
-
