科研之友
微信
新浪微博
Facebook
分享链接
摘要
为解决短期电力负荷预测模型中迭代训练过程的误差累积，预测结果精度低的问题，基于双向门控循环单元（BiGRU）在短期电力负荷预测中的理论基础，在BiGRU的底层结构上进行改进，并对预测过程中产生的误差进行补偿，提出一种基于SRDHLGRU神经网络和差分误差补偿的短期电力负荷预测方法。第一阶段，建立堆叠的反向双层高低级门控循环单元（SRDHLGRU）网络模型，得到模型预测过程中产生的误差序列。第二阶段采用差分分解（DD）方法将第一阶段产生的误差序列进行一阶前向差分得到误差变化量序列，再次建立SRDHLGRU模型进行训练和预测，从而对第一阶段结果进行误差补偿。结合西部某市负荷数据集，基于Python算法开展短期电力负荷预测的仿真，对比几种主流预测算法，仿真结果表明该组合模型的预测精度和稳定性比传统模型都有一定提升。
- 单位
