【技术实现步骤摘要】
一种基于GRU神经网络的微电网短期负荷预测方法
[0001]本专利技术涉及微电网负荷
,特别涉及一种基于GRU神经网络的微电网短期负荷预测方法。
技术介绍
[0002]微电网是一组由分布式电源、负荷、储能系统和控制装置构成的微型系统。对于大电网来说,它表现为一个单一可控的单元,可实现能源多种形式(电能、热能等)的高可靠供给负荷。微电网中的电源多为小容量的分布式电源,主要有光伏电池、小型风力发电机、微型燃气轮机、燃料电池以及蓄电池等储能装置,具有成本低、电压低及污染低等特点。
[0003]负荷预测是微电网能量管理系统的重要组成部分,是对分布式电源,如风电、光伏、微燃气轮机、柴油机及储能等可控微源进行优化调度的基础,预测结果将直接影响微电网运行策略与电能交易。相对于大电网环境,微电网进行短期负荷预测的难度更高,这主要是由于负荷的随机性强,历史负荷曲线相似度低,再加上用户容量有限,各用户间负荷特征相互平滑作用较小,负荷总体波动较大。
[0004]为了提高负荷预测精度,许多学者进行了大量研究,提出了一系列预测方法,如BP
‑
NN预测方法,常规GRU神经网络预测方法。但这些方法仍然存在预测精度不够高的问题。其中,GRU神经网络的权值为待定参数,并且这些权值参数的选择并无成熟的理论依据,且这些权值参数的选择对于GRU神经网络模型的预测性能影响很大,这是目前GRU神经网络应用于微电网短期负荷预测的难点。
技术实现思路
[0005]为解决上述技术问题,本专利技术提供了一种基于G ...
【技术保护点】
【技术特征摘要】
1.一种基于GRU神经网络的微电网短期负荷预测方法,其特征在于,包括如下步骤:步骤一,获取微电网的历史负荷数据以及气象因素数据,并进行数据预处理,将预处理后的数据分成训练集和预测集;步骤二,利用训练集中的数据对GRU神经网络进行训练,在训练过程中,采用多元宇宙算法对GRU神经网络的权值参数进行优化,保存训练后的GRU神经网络;步骤三,将预测集中的数据输入到训练后的GRU神经网络中,输出微电网待预测时刻的负荷值。2.根据权利要求1所述的一种基于GRU神经网络的微电网短期负荷预测方法,其特征在于,所述GRU神经网络包括输入层、隐含层和输出层,所述隐含层由GRU单元组成,所述GRU单元包括两个输入变量,即当前时刻的输入和上一时刻隐含层的输出。3.根据权利要求2所述的一种基于GRU神经网络的微电网短期负荷预测方法,其特征在于,所述GRU单元内部执行的运算公式如下:z
t
=σ(W
z
x
t
+U
z
h
t
‑1)
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(1)r
t
=σ(W
r
x
t
+U
r
h
t
‑1)
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(2)(2)y=σ(h
t
W
y
)
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(5)式中:z
t
为更新门,r
t
为重置门,为t时刻隐含层的激活状态,h
t
为t时刻隐含层的输出,h
t
‑1为t
‑
1时刻隐含层的输出,y为神经网络输出层的输出;W
z
、U
z
、W
r
、U
r
、W、U、W
y
为GRU神经网络的权值参数,其中,W
z
为输入到更新门z
t
的权值,U
z
为t
‑
1时刻隐含层到更新门z
t
的权值,W
r
为输入到重置门r
t
的权值,U
r
为t
‑
1时刻隐含层到重置门r
t
的权值,W为输入层到隐含层的权值,U为隐含层自身的权值,W
y
为隐含层到输出层的权值;
⊙
表示矩阵中对应的元素相乘,σ为sigmoid函数,为tanh激励函数,1
‑
表示运算后的输出为1
【专利技术属性】
技术研发人员:撖奥洋,于立涛,周生奇,菅学辉,张智晟,
申请(专利权)人:青岛大学,
类型:发明
国别省市:
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。