摘 要：为提高短期负荷预测精度，提出一种基于旗鱼优化算法（SFO）和 GRU 神经网络的短期负荷预测模型。通过使用负荷、气象等真实数据对 GRU 神经网络的权重参数进行训练并建立 GRU 预测模型，同时采用旗鱼优化算法（SFO）优化GRU 模型的迭代次数、学习率和隐藏层神经元数量，仿真实验结果表明，与 BP、LSTM 等经典预测模型相比，SFO-GRU 模型具有更高的预测精度。
关键词：短期负荷预测；参数优化；旗鱼优化算法；GRU
DOI:10.19850/j.cnki.2096-4706.2021.04.023
中图分类号：TM715 文献标识码： A 文章编号：2096-4706（2021）04-0093-05
Short Term Load Forecasting Based on SFO-GRU Model
CHEN Yuji，CHENG Guixue
（School of Computer Science and Technology，Shanghai University of Electric Power，Shanghai 200090，China）
Abstract：In order to improve the accuracy of short term load forecasting，a short term load forecasting model based on sailed fish optimizer（SFO）and GRU neural network is proposed. The weight parameters of GRU neural network are trained with actual data such as load and weather，and the GRU prediction model is established. At the same time，the sailed fish optimizer（SFO）is used to optimize the number of iterations，learning rate，and number of hidden layer neurons. The simulation experiment result shows that SFO-GRU model has higher prediction accuracy than BP，LSTM and other classic forecasting models.
Keywords：short term load forecasting；parameters optimization；SFO；GRU
参考文献：
[1] 康重庆，夏清，刘梅 . 电力系统负荷预测 [M]. 北京：中 国电力出版社，2017.
[2] 谢辉煌，郑荣进，黄晓生 . 趋势外推法在连江县电力负荷 预测中的应用 [J]. 电气时代，2017（6）：78-80.
[3] 吉博文，吴张傲 . 指数平滑法在电力系统负荷预测中的应 用 [J]. 科技创新与应用，2018（30）：173-174.
[4] 王宝财 . 基于温度近因效应的多元线性回归电力负荷预测 [J]. 水电能源科学，2018，36（10）：201-205.
[5] GUO W L，CHE L，SHAHIDEHPOUR M，et al. MachineLearning based Methods in Short-term Load Forecasting [J].The Electricity Journal，2021，34 （1）：106884.
[6] 周莽，高僮，李晨光，等 .GRU 神经网络短期电力负荷预 测研究 [J]. 科技创新与应用，2018（33）：52-53+57.
[7] 吴福疆，范晟，王振达，等 . 基于门控递归神经网络的电 网日峰值负荷预测 [J]. 计算技术与自动化，2020，39（4）：20- 26+56.
[8] 王康，龚文杰，段晓燕，等 . 基于 PSO 算法优化 GRU 神 经网络的短期负荷预测 [J]. 广东电力，2020，33（4）：90-96.
[9] 李万，冯芬玲，蒋琦玮 . 改进粒子群算法优化 LSTM 神经 网络的铁路客运量预测 [J]. 铁道科学与工程学报，2018，15（12）： 3274-3280.
[10] SHADRAVAN S，NAJI H R，BARDSIRI V K. The Sailfish Optimizer：A novel nature-inspired metaheuristic algorithm for solving constrained engineering optimization problems [J].Engineering Applications of Artificial Intelligence，2019，80：20-34.
作者简介：陈昱吉（1994—），男，汉族，山东临沂人，硕士 研究生在读，研究方向：电力负荷预测；成贵学（1971—），男，汉族， 上海人，副教授，博士，研究方向：电力信息化及新能源、电力设 备与控制检测等。