基于贝叶斯优化的CNN-GRU短期电力负荷预测

为了提高短期电力负荷预测精度，针对负荷数据时序性与非线性的特点，提出一种基于贝叶斯优化的CNNGRU短期电力负荷预测模型。首先，将电力负荷数据按时间滑动窗口构造连续特征作为输入，采用CNN对负荷数据进行特征提取，将特征以时序序列方式作为GRU网络输入；然后通过GRU网络进行短期负荷预测，构建CNN-GRU预测模型。针对CNN-GRU模型易陷入局部最优以及超参数寻找难的问题，利用贝叶斯优化寻找最优超参数组合，对模型进行超参数优化，构建贝叶斯优化的CNN-GRU短期电力负荷预测模型。实验结果表明，贝叶斯优化的CNN-GRU模型的MAE值比传统的CNN-GRU网络模型降低58%，精度提升1.23%，说明所提模型能够有效提高负荷预测精度，可作为短期电力负荷预测工具。