基于多层改进GRU神经网络的短期电力负荷预测方法技术
【技术实现步骤摘要】
基于多层改进GRU神经网络的短期电力负荷预测方法
本专利技术涉及一种基于多层改进GRU神经网络的短期电力负荷预测方法。
技术介绍
电力负荷预测，是指对未来一定时期范围内的用电需求进行预测。作为电力部分的重要工作，准确的负荷预测，可以促进调度和供电公司经济合理地安排电网内部发电机组的发电计划和机组检修计划，保持电网运行的安全稳定性，确保社会的正常生产和生活。本案中，短期电力负荷预测是以30分钟或者1小时为间隔的日内负荷数据作为预测对象。对于电力部门来说，短期负荷预测的准确性直接影响着调度对次日发电计划的安排，有助于电网日内的稳定运行；对于用电企业来说，准确的负荷预测可以帮助其合理安排生产，从而最大限度地利用峰谷电价政策提高自己的经济效益。传统的短期电力负荷预测法的主要有回归分析法、时间序列法、趋势外推法和专家系统法等，但是传统的方法由于模型较为简单以及预测者主观情绪等因素影响，往往难以达到较高的预测准确性。随着计算机信息技术、机器学习和大数据等大规模、高效计算技术的发展，目前常用的短期电力负荷预测方法主要有：支持向量机、小波变换算法、模糊预测法等方法。但支持向量机难...
【技术保护点】
一种基于多层改进GRU神经网络的短期电力负荷预测方法，其特征是：包括以下步骤：(1)周期性的构建样本数据集；(2)对样本中的输入数据进行异常点识别和缺失值处理，对处理后的数据进行标准化变换，并将数据集分成训练集、验证集和待预测集；(3)对GRU网络结构中的状态单元进行修改，使每个输出状态单元先进入激活函数后再进行下一步的计算，以此构建改进的GRU神经网络，将训练集数据输入该网络进行多轮训练，得到训练完成后的网络，并利用该网络对验证数据集进行多轮验证测试学习效果，记录并保存最优验证结果的模型权重；(4)将待预测数据集输入训练后得到的最优GRU模型，计算标准化预测结果；(5)对...
【技术特征摘要】
1.一种基于多层改进GRU神经网络的短期电力负荷预测方法，其特征是：包括以下步骤：(1)周期性的构建样本数据集；(2)对样本中的输入数据进行异常点识别和缺失值处理，对处理后的数据进行标准化变换，并将数据集分成训练集、验证集和待预测集；(3)对GRU网络结构中的状态单元进行修改，使每个输出状态单元先进入激活函数后再进行下一步的计算，以此构建改进的GRU神经网络，将训练集数据输入该网络进行多轮训练，得到训练完成后的网络，并利用该网络对验证数据集进行多轮验证测试学习效果，记录并保存最优验证结果的模型权重；(4)将待预测数据集输入训练后得到的最优GRU模型，计算标准化预测结果；(5)对预测结果进行逆标准化变换，得出最终预测结果。2.如权利要求1所述的一种基于多层改进GRU神经网络的短期电力负荷预测方法，其特征是：所述步骤(1)中，对选取的给定时间段的样本数据进行整理、提取，形成输入、输出数据集，输入数据是指某个时间段内、以一定时间为间隔的电力负荷数据，输出数据是滞后于输入数据某个时期后的电力负荷数据。3.如权利要求1所述的一种基于多层改进GRU神经网络的短期电力负荷预测方法，其特征是：所述步骤(1)中，以滚动窗口期内的一组数据作为单一输入单元，来预测未来某一期数据，得到的输入数据是一个以数据量为行、窗口期为列的矩阵。4.如权利要求1所述的一种基于多层改进GRU神经网络的短期电力负荷预测方法，其特征是：所述步骤(2)中，采取垂直法进行数据异常点处理。5.如权利要求4所述的一种基于多层改进GRU神经网络的短期电力负荷预测方法，其特征是：所述步骤(2)中，如果有数据值与之前的数据平均值的差值大于设定阈值，则该数据值为数据异常点，将该数据值重新赋值，其大小为之前的数据平均值与设定阈值的和或差。6.如权利要求1所述的一种基于多层改进GRU神经网络的短期电力负荷预测方法，其特征是：所述步骤(2)中，当发生数据缺失，且缺失的数量小于设定范围时，选择相邻数据取平均...
【专利技术属性】
技术研发人员：路宽，麻常辉，程艳，孟祥荣，孙雯雪，庞向坤，蒋哲，于芃，陈素红，张用，李广磊，王文宽，韩英昆，姚常青，王士柏，
申请(专利权)人：国网山东省电力公司电力科学研究院，国家电网公司，
类型：发明
国别省市：山东,37
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。