✅作者简介:热爱科研的Matlab仿真开发者,修心和技术同步精进,matlab项目合作可私信。
🍎个人主页:Matlab科研工作室
🍊个人信条:格物致知。
更多Matlab仿真内容点击👇
⛄ 内容介绍
提出了一种基于CNN-GRU(convolutional neural networks-gate recurrent unit)神经网络的电力系统短期负荷预测方法.首先使用卷积神经网络(CNN)对负荷及气象数据进行卷积处理,以更好地提取数据新特征,增强输入数据与输出数据间的相关性.然后使用门控循环单元(GRU)实现短期负荷预测.使用某地区的负荷数据结合当地的气象数据,对CNN-GRU方法进行了测试.结果表明:与单独的CNN网络或GRU网络相比,CNN-GRU网络对电力系统短期负荷的预测误差更小,预测精度更高.
⛄ 部分代码
%% CNN-GRU多变量回归预测
%% 加载数据与数据集划分
clc;clear;close all
data = xlsread('data.xlsx', 'Sheet1', 'A3:M1250');
% 输入数据
input =data(:,1:12)';
output=data(:,13)';
nwhole =size(data,1);
% 打乱数据集
% temp=randperm(nwhole);
% 不打乱数据集
temp=1:nwhole;
train_ratio=0.9;
ntrain=round(nwhole*train_ratio);
ntest =nwhole-ntrain;
⛄ 运行结果
⛄ 参考文献
[1]韩启龙, 张育怀, 门瑞,等. 一种基于注意力增强图卷积神经网络AGC和门控循环单元GRU的空气质量预测方法:, CN112085163A[P]. 2020.
[2]杨秀, 李安, 孙改平,等. 基于改进GMM-CNN-GRU混合的非侵入式负荷监测方法研究[J]. 电力系统保护与控制, 2022(014):050.
[3]张立峰,刘旭. 基于CNN-GRU神经网络的短期负荷预测[J]. 电力科学与工程, 2020, 36(11):5.