申请/专利权人:国网安徽省电力有限公司电力科学研究院;国网安徽省电力有限公司芜湖供电公司;合肥工业大学
申请日:2023-10-24
公开(公告)日:2024-02-13
公开(公告)号:CN117559388A
主分类号:H02J3/00
分类号:H02J3/00;G06F18/15;G06F18/213;G06F18/25;G06N3/0442;G06N3/084;G06N3/086;G06N3/006;G06Q50/06
优先权:
专利状态码:在审-实质审查的生效
法律状态:2024.03.01#实质审查的生效;2024.02.13#公开
摘要:本发明属于短期负荷预测技术领域,具体涉及一种基于变分模态分解和双向门控循环单元网络(VMD‑BiGRU)的短期负荷预测方法;包括以下步骤:1、收集历史电力负荷数据,对数据进行清洗和归一化等处理;2、利用变分模态分解法获得不同特征规律的模态分量,再利用注意力机制对获得的模态分量进行加权融合;3、构建基于BiGRU的深度学习模型预测短期电力负荷;4、利用多策略改进的粒子群优化算法对模型进行优化,并利用优化后的模型进行短期的负荷预测;本发明的能够有效的解决对电力系统进行负荷预测时对特征数据处理能力不足的问题,并降低了模型的复杂度,从而有效的提高短期负荷预测的精度。
主权项:1.一种基于VMD-BiGRU的短期负荷预测方法,其特征在于,它包括以下步骤:步骤1、收集和处理历史电力负荷数据和相关特征数据;步骤2、利用变分模态分解负荷和特征数据,再利用注意力机制对模态分量进行加权融合;步骤3、构建基于BiGRU的深度学习模型来预测短期电力负荷,主要包括:输入层、隐藏层和输出层;步骤4、利用多策略改进的粒子群优化算法优化模型,并利用优化后的模型进行负荷预测。
全文数据:
权利要求:
百度查询: 国网安徽省电力有限公司电力科学研究院;国网安徽省电力有限公司芜湖供电公司;合肥工业大学 一种基于VMD-BiGRU的短期负荷预测方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。