基于CNN-BIGRU-ATTENTION的短期电力负荷预测

作者：方娜; 余俊杰; 李俊晓; 万畅

来源：计算机仿真, 2022, 39(02): 40-82.

• 短期负荷预测
• 注意力机制
• 卷积神经网络
• 双向门控循环单元
• 混合模型

电价的实时波动，会对负荷预测精度产生一定影响，增加预测的复杂性。针对这一问题，本文构建基于注意力(ATTENTION)机制的卷积神经网络(CNN)和双向门控循环单元(BIGRU)混合模型对短期电力负荷进行预测。首先用CNN对负荷及电价数据特征进行抽取；其次，利用BIGRU对潜藏的时序规律进行提取；最后结合ATTENTION机制，突出关键特征。仿真结果表明，与BP网络、CNN-GRU、CNN-BIGRU和CNN-GRU-ATTENTION混合模型的预测结果相比，上述模型具有更高的预测精度，是一种有效的短期负荷预测方法。

• 单位
  湖北工业大学