%0 Journal Article
%T 基于门控循环单元网络与模型融合的负荷聚合体预测方法
%A 王丹
%A 王守相
%A 王绍敏
%A 陈海文
%J 电力系统自动化
%D 2019
%X 随着智能电表的普及，以智能电表数据为基础，可按需求灵活划分不同规模的负荷聚合体并开展预测。由于负荷聚合体规模差异较大，并与用户负荷特性关系密切，传统预测方法不再适用。为此，提出了一种基于门控循环单元(GRU)网络与模型融合的负荷聚合体预测方法。首先，通过分布式谱聚类算法获得负荷特性相近的负荷群体，然后进行分组预测，采用GRU作为元模型，对时间序列进行动态建模，利用随机森林算法融合多个结构不同的GRU网络，实现对负荷群体的预测，最终将各群体预测值求和得到负荷聚合体预测值。算例表明，得益于分组预测、动态时间建模及模型融合技术，所述方法能充分利用不同模型的结构优势，发现时间序列动态规律，在不同时间尺度下预测精度更高，对不同规模的负荷聚合体适用性更强
%K 负荷预测
%K 谱聚类
%K 门控循环单元
%K 模型融合
%K load forecasting
%K spectral clustering
%K gated recurrent unit(GRU)
%K model fusion
%U http://www.aeps-info.com/aeps/article/abstract/20180625009?st=article_issue