基于GRU神经网络的WGAN短期负荷预测模型

作者：高翱; 王帅; 韩兴臣; 张智晟^*

来源：电气工程学报, 2022, 17(02): 168-175.

• 短期负荷预测
• 生成对抗网络
• Wasserstein距离
• GRU神经网络
• 电力系统

为了提高短期负荷预测模型的精度，提出了一种基于门控循环单元(Gated recurrent unit,GRU)神经网络的Wasserstein生成对抗网络(Wasserstein generative adversarial network,WGAN)短期负荷预测模型。将Wasserstein距离作为生成对抗网络(Generative adversarial network,GAN)的损失函数，与传统GAN相比，可以解决其训练过程中存在的梯度消失、模式崩溃等问题。同时，其生成器和判别器模型采用GRU神经网络，用以解决循环神经网络中存在的梯度问题。通过与GRU神经网络模型、传统GAN模型、采用KL散度作为损失函数且生成器和判别器采用GRU的GAN模型进行对比试验，证明了所提出的新模型具有更好的预测精度和稳定性。

• 单位
  青岛大学; 国网山东省电力公司青岛供电公司