基于差分分解和误差补偿的短期电力负荷预测方法 |
| |
作者单位: | 华北电力大学 电气与电子工程学院,北京市 昌平区 102206;华北电力大学 电气与电子工程学院,北京市 昌平区 102206;中国电力科学研究院有限公司,北京市 海淀区 100192;北京邮电大学 人工智能学院,北京市 海淀区 100876 |
| |
摘 要: | 基于序列分解的方法能够提高短期电力负荷预测精度,但会带来误差的积累。同时,现有方法忽略了历史预测误差与当前预测结果的相关关系。提出了一种基于差分分解和误差补偿的短期电力负荷预测方法(differential decomposition-error compensation-gated recurrent unit,DD-EC-GRU)。首先,对原始负荷序列进行一阶差分,将负荷的预测问题转化为负荷变化量的预测问题。基于此,在一组实际预测负荷序列的基础上引入多组辅助预测负荷序列,应用门控循环单元(gated recurrent unit,GRU)构建多目标迭代预测网络。最后综合考虑各序列迭代预测误差的变化趋势与平稳性,构建基于序列相似度和人工神经网络集成模型的误差补偿网络,提升预测精度。在3个实际负荷数据集上对DD-EC-GRU各环节有效性进行验证,并与多种主流算法对比,结果表明本文所提方法有较高的预测精度和较强的适应能力。
|
关 键 词: | 短期电力负荷预测 门控循环单元 一阶差分分解 误差补偿 |
本文献已被 CNKI 万方数据 等数据库收录! |
|