基于TCN-GRU模型的短期负荷预测方法

基于TCN-GRU模型的短期负荷预测方法
为了进一步提高短期负荷的预测精度，为电力系统的稳定运行提供更加有力的保障，文中提出了一种将时间卷积网络（TCN）和门限循环单元（GRU）相结合的短期负荷预测方法TCN-GRU。首先，将采集的训练数据划分为时序数据和非时序数据；其次，将时序数据输入到TCN模型中以提取时序特征；然后，将提取出来的时序特征与非时序数据组合起来输入到GRU模型中对模型进行训练；最后，利用训练好的模型实现对短期电力负荷的预测。基于广东省佛山市某行业真实负荷数据验证了TCN-GRU模型的负荷预测能力，并通过对比多种深度学习模型的预测效果，验证该模型具有更高精度的短期负荷预测能力。

标题：
基于TCN-GRU模型的短期负荷预测方法
A forecasting method for short-term load based on TCN-GRU model

作者：
郭玲，徐青山，郑乐
GUO Ling, XU Qingshan, ZHENG Le

关键词：
时间卷积网络(TCN);门限循环单元(GRU);短期负荷预测;时序特征;深度学习
temporal convolutional network (TCN);gated recurrent unit (GRU);short-term load forecasting;timing characteristics;deep learning

2025-1-23 19:46 上传 基于TCN-GRU模型的短期负荷预测方法.pdf

文件大小:

4.43 MB

下载次数:

60

高速下载