一种基于改进混合预测模型的短期电力负荷预测方法

本发明公开了一种基于改进混合预测模型的短期电力负荷预测方法，首先进行数据预处理及数据集划分，然后通过卷积神经网络对历史负荷和气象因素进行初步特征提取，利用双向门控循环单元机制对输出状态给与不同权重，以最小化均方误差为目标函数，通过粒子群优化算法对模型的七个超参数组合进行寻优，获得其对应的预测数据，本发明结合CNN、BiGRU以及Attention机制各自的优点构建混合预测模型，可实现多气象特征与电力负荷输入预测，并通过PSO算法对模型的超参数进行优化，有效降低了负荷预测模型超参数选择不当对预测结果的负面影响，本发明通过与CNN‑BiGRU和CNN‑GRU两个模型的预测精度进行对比，结果显示本发明所提方法可获得更精准的短期电力负荷预测结果。