科研之友
微信
新浪微博
Facebook
分享链接
摘要
为更好地挖掘大量采集数据蕴含的有效信息，提高短期负荷预测精度，文中提出一种基于小波变换与双向门控循环单元（BiGRU）、全连接神经网络（NN）混合模型的短期负荷预测方法。首先利用小波变换将负荷特征数据分解为高频数据以及低频数据，再分别建立高频混合神经网络以及低频混合神经网络模型进行预测。在混合神经网络模型中，将负荷特征数据作为BiGRU-NN网络的输入，利用BiGRU-NN网络学习负荷非线性以及时序性特征，以此进行短期负荷预测。文中以丹麦东部地区的负荷数据作为算例，实验结果表明，该方法与GRU神经网络、DNN神经网络、CNN-LSTM神经网络相比，有更高的预测精度。
- 单位
