[发明专利]一种基于GRU神经网络和迁移学习的短期电力负荷预测方法

摘要

本发明公开了一种基于GRU神经网络和迁移学习的短期电力负荷预测方法，属于电力负荷预测领域。针对短期电力负荷预测问题，提出了一种基于GRU神经网络和迁移学习的短期电力负荷预测方法，利用基于GRU的循环神经网络解决了传统神经网络无法提取时间特征的问题，扩展影响负荷变化的辅助信息输入，包括日期温度天气等影响因素，并加入Dropout层和规范化层避免了过拟合问题，提高了负荷预测的准确度；通过迁移学习对历史知识进行迁移，对正常投入使用的网络进行调整，利用目标预测数据进行再训练和微调，发挥历史数据的价值，使负荷预测的精度和效率进一步提高。

主权项

1.一种基于GRU神经网络和迁移学习的短期电力负荷预测方法，其特征在于：包括以下步骤：步骤(1)：利用历史源域数据训练基于GRU的短期电力负荷预测神经网络；步骤(2)：对正常投入使用的短期电力负荷预测神经网络进行结构和参数的迁移，得到一个初始权重和结构与原始网络一致的新预测网络；步骤(3)：对新预测网络进行结构的调整，加入若干全连接层；步骤(4)：固定新预测网络通过迁移得到的权重，利用目标域数据对新预测网络的新加入的全连接层进行再训练，然后取消权重的固定，对整个网络进行微调，得到最终预测网络；步骤(5)：将待预测的数据输入步骤(4)得到的最终预测网络，输出预测结果。