摘要
针对小水电发电负荷随机波动性大、不确定性强导致的模型预测精度不高的问题,提出一种一维卷积神经网络(1D Couvolutioual Neural Networks,1DCNN)、双向门控循环单元(bidirectional gatedrecurrent unit, BiGRU)和多元线性回归(Multiple Linear Regression, MLR)组合算法的小水电发电负荷预测模型。首先将历史负荷数据通过集合经验模态分解(Ensemble Empirical Mode Decomposition, EEMD)算法分解为高频分量和低频分量,再运用1DCNN提取高频分量中蕴含的数据特征,并构造成BiGRU神经网络的输入,进行高频分量的预测;低频分量则采用MLR方法进行预测;最后,将各分量的预测结果叠加即可得到最终预测结果。仿真结果表明,本文所提模型预测精度,与单一的预测模型、一般的组合预测模型,均有着较大的提升。
