基于BO-BiGRU-Attention短期电力负荷预测

来源：计算机技术与发展杂志2024年第06期北京时间：

作者：包广斌;张瑞*;彭璐;李明;赵怀森

摘要：电力系统的可靠供应对于工业、商业和居民的生活至关重要。 为了满足电力需求并维持电力系统的稳定运行,提高短期电力负荷预测的准确性和可靠性尤为关键;针对负荷数据存在复杂的非线性特性,该文提出一种基于贝叶斯优化算法的双向门控循环单元和注意力机制(BO-BiGRU-Attention)的混合预测模型对短期电力负荷进行精准预测。 首先,使用 Min-Max Normalization 方法对负荷数据进行归一化处理。 其次,利用 BiGRU 网络捕获序列中的长期依赖关系和上下文信息,结合注意力机制,通过在输入序列的不同部分给予不同的权重,从而突出关键特征。 最后,针对 BiGRU-Attention 模型的超参数难以选取最优解的问题,引入贝叶斯优化算法对 BiGRU-Attention 模型的超参数进行寻优,完成短期电力负荷的预测。 采用印度北部某地区的电力负荷数据进行预测分析,仿真结果表明,BO-BiGRU-Attention 网络表现优于其他模型,各误差评价指标最小,其中 MAE、RMSE 和 MAPE 分别为 56. 67,73. 49 和 1. 16% ,预测精度达到了 99. 47% 。

关键词：电力系统;负荷预测;贝叶斯优化算法;双向门控循坏单元;注意力机制