基于Conv1d的多变量CNN-GRU算法用于短期负荷的实际预测方法

摘要文本

本发明提供一种基于Conv1d的多变量CNN‑GRU算法用于短期负荷的实际预测方法，包括：从数据中台获取某地区一段时间的用电相关数据，包括用电量、供电量、负载率；对获取的用电相关数据进行数据处理，数据处理包括合并数据、空缺数据处理、计算每日平均负载率以及计算每日的相关电量；对处理后的用电相关数据进行错位映射，用当前时刻的用电量与历史某时刻的各变量形成对应，形成输入数据模型；基于输入数据模型构建CNN‑GRU实际预测模型对未来一段时间的用电量进行实际预测。本发明将CNN‑GRU算法首次应用于短期负荷的实际预测，通过错位映射避免先预测自变量X再预测因变量Y，可以在提升运行速度基础上保证较低的误差。