基于多模型融合神经网络的短期负荷预测

许言路¹，张建森²，吉星¹，王斌斌³，邓卓夫³

1. 国网辽宁省电力有限公司经济技术研究院2. 国网辽宁省电力有限公司沈阳供电公司3. 东北大学软件学院

摘 要：短期负荷预测在为电力系统制定经济、可靠和安全的运行策略中起着关键作用。为了提高预测精度,提出了一种基于多模型融合神经网络的短期负荷预测方法。首先将三种不同的神经网络单独训练:再将单独模型的输出作为输入,训练一个顶层全连接神经网络;最后并行排列三种单独模型,再将3个模型的输出层组合作为顶层全连接神经网络的输入层,使4个模型融合为一个模型,并进行精调训练。短期负荷预测的实验结果表明,该方法的精度优于单个全连接神经网络、长短期记忆网络或残差网络。说明该方法具有良好的实用价值。

关键词：模型融合;循环神经网络;短期负荷预测;卷积神经网络;时间序列;