关键词:
电力调控平台
负荷预测
时间卷积网络
门控循环单元网络
灰狼优化算法
摘要:
为提高区块链环境下电力调控平台负荷预测精度,提出了一种改进TCN-GRU模型的预测方法。首先,通过串联时间卷积网络(Temporal Convolutional Network,TCN)和门控循环单元(Gated Recurrent Unit,GRU)网络构建TCN-GRU预测模型;然后,采用灰狼优化算法(Grey Wolf Optimizer,GWO)对TCN-GRU预测模型卷积核大小、隐藏层数、节点数进行优化改进;最后,将改进的TCN-GRU预测模型用于电力调控平台负荷预测,实现了区块链环境下的电力调控平台预测。结果表明,该方法对区块链电力调控平台负荷预测的平均绝对百分误差和均方根误差分别为1.57%和23.44 MW;相较于标准TCN-GRU、CNN、BiLSTM等预测模型,该方法具有更优异的电力调控平台负荷预测性能。由此得出,所提预测方法可行,可为区块链环境下的电力负荷调控提供参考。