基于时段细分训练时序网络组的超短期负荷预测

为优化能源系统的能源供应调度方案,针对时序类神经网络难以提取与利用影响负荷变化的不固定成分信息的问题,结合相关影响特征在不同时段下重要性不同的特点,提出一种基于时段细分训练时序网络组的预测方法,通过与经典的预测模型长短期记忆网络(LSTM)、可控门循环网络(GRU)、双向长短值记忆网络(BiLSTM)、双向可控门循环网络(BiGRU)的多次对比可知,该方法能有效降低相应模型负荷预测时的RMSE、MSE、MAPE与MAE值。