电力负荷预测、风电功率预测

短期负荷预测python代码

组合模型CNN+GRU+ATT网络的负荷预测模型

首先使用卷积网络对负荷数据进行卷积处理,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-Attention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-Attention网络对电力系统短期负荷的预测误差更小,预测精度更高。

ID:41270

详询客服 微信shujuqudong1 或shujuqudong6 或 qq68823886 或 27699885

图文详情请查看： http://matup.cn/758519603226.html