摘 要：为了解决预测模型无法充分挖掘特征等问题，提出一种基于 CNN-GRU SA 混合模型的短期电力负荷预测方法。通过 CNN 模型提取输入数据的向量特征，利用双层 GRU 模型学习输入特征，掌握其特征规律，Self-attention 机制充分挖掘输入的特征信息，最后预测出负荷值。实验采用英格兰公开数据集，实验结果表明，相较于 CNN-GRU、GRU 和 CNN 基线模型，该模型的预测精度更高，证明了该方法的有效性。
关键词：电力负荷预测；CNN；GRU；Self-attention
DOI:10.19850/j.cnki.2096-4706.2021.07.039
中图分类号：TM715 文献标识码：A 文章编号：2096-4706（2021）07-0150-05
Research on Short Term Electric Load Forecasting Based on CNN-GRU SA Model
GE Fuyong，LEI Jingsheng
（Shanghai University of Electric Power，Shanghai 200090，China）
Abstract：In order to solve the problem that the forecasting model can not fully mine features，a short term electric load forecasting method based on CNN-GRU SA hybrid model is proposed. The vector features of input data are extracted by CNN model，and the double layer GRU model is used to learn the input features and master the feature rules. The Self-attention mechanism fully mines the input feature information，and finally predicts the load value. The experiment is based on England public data set，and the results show that compared with the CNN-GRU，GRU and CNN baseline models，the prediction accuracy of this model is higher，which proves the effectiveness of this method.
Keywords：electric load forecasting；CNN；GRU；Self-attention
参考文献：
[1] 洪发 . 基于深度学习的短期电力负荷预测方法 [D]. 广州： 广东工业大学，2020.
[2] 王文卿 . 基于卷积神经网络的电力系统短期负荷预测研究 [D]. 青岛：青岛大学，2020.
[3] 康重庆，夏清，张伯明 . 电力系统负荷预测研究综述与发 展方向的探讨 [J]. 电力系统自动化，2004（17）：1-11.
[4] 翟永杰，王静娴，周黎辉 . 基于模糊支持向量机的电力系 统中期负荷预测 [J]. 华北电力大学学报（自然科学版），2008（2）： 70-73.
[5] 姚栋方，吴瀛，罗磊，等 . 基于深度学习的短期电力负荷 预测 [J]. 国外电子测量技术，2020，39（1）：44-48.
[6] 姚程文，杨苹，刘泽健 . 基于 CNN-GRU 混合神经网络 的负荷预测方法 [J]. 电网技术，2020，44（9）：3416-3424.
[7] VASWANI A，NOAM S，PARMAR N，et al. Attention is all you need [C]//NIPS’17：Proceedings of the 31st International Conference on Neural Information Processing Systems.Red Hook： Curran Associates，2017：6000-6010.
[8] 陆继翔，张琪培，杨志宏，等 . 基于 CNN-LSTM 混合神 经网络模型的短期负荷预测方法 [J]. 电力系统自动化，2019，43 （8）：131-137.
[9] 王永志，刘博，李钰 . 一种基于 LSTM 神经网络的电力负 荷预测方法 [J]. 实验室研究与探索，2020，39（5）：41-45.
[10] 邓带雨，李坚，张真源，等 . 基于 EEMD-GRU-MLR 的短期电力负荷预测 [J]. 电网技术，2020，44（2）：593-602.
[11] 闫雄，段跃兴，张泽华 . 采用自注意力机制和 CNN 融合的 实体关系抽取 [J]. 计算机工程与科学，2020，42（11）：2059-2066.
作者简介：葛夫勇（1994—），男，汉族，江苏徐州人，硕士 研究生在读，研究方向：电力大数据；雷景生（1966—），男，汉族， 陕西韩城人，教授，博士，研究方向：人工智能、电力大数据。