基于改进灰狼优化算法的TCN-BiGRU电力负荷预测

摘要

为了提高短期电力负荷预测精度，该文提出了一种基于改进灰狼优化算法的TCN-BiGRU模型。输入序列先由改进后的时间卷积网络（TCN）捕捉长期依赖关系，再通过改进自注意力优化的双向门控循环单元（BiGRU）提取双向依赖关系。在模型内部结合AR模块、选举机制提升预测准确性，最后通过改进的灰狼优化算法优化TCN-BiGRU模型的参数以提升模型的综合性能。实验仿真表明，该模型的MAPE、MAE和RMSE分别为4.974%、0.029、0.034，均优于主流对照模型，有效提升了负荷预测精度。

关键词

短期负荷预测 / 电力系统 / 灰狼优化算法 / 自注意力机制 / 组合模型