针对电力负荷序列不稳定且传统的神经网络在电力负荷预测中预测精度较低等问题，提出了门控循环单元神经网络(Gated Recurrent Unit Neural Network, GRU)负荷预测的方法。利用python编程语言在Tensorflow框架在搭建门控循环单元神经网络，将影响电力负荷的特征数据输入模型中进行训练。通过和人工神经网络(Artificial Neural Network,ANN)模型对比，可得出门控循环单元神经网络模型的效果要优于传统神经网络。
科研之友
微信
新浪微博
Facebook
分享链接
