SSA优化混合RNN的短期电力负荷预测

针对传统短期电力负荷预测模型特征获取能力欠佳、预测精度低的问题,提出一种SSA优化CNN+BILSTM-LSTM-Attention的双通道短期电力负荷预测模型。该模型构建多层CNN与BiLSTM双通道结构,提高模型的特征获取能力;利用灰色关联分析筛选温度、湿度等气象影响因素参与模型训练,同时,利用以均方误差最优为目标函数的SSA优化算法,自适应选取迭代次数、时间步等模型超参数,提高模型的预测精度。通过实验对比表明,该模型在误差指标和拟合优度指标两方面较BiLSTM-Attention、Attention-BiLSTM-LSTM等模型均有提升。