陈 雷，刘林虎，闫川川，孙艳镯，于 凯，周 超

（1.东北石油大学秦皇岛校区电信系，河北秦皇岛 066004；2.首钢京唐钢铁联合有限责任公司，河北唐山 063205）

电力系统的主要任务是给广大用户不间断地提供优质电能，满足各种类型负荷的需求[1]。目前，我国各地的电力需求巨大且具有随机变化等特点，发电厂提供的电能和用户负荷需求之间需要进行一定程度上的协调，而良好的电力负荷预测能够将二者达到一种动态平衡的关系[2]。因此，做好电力负荷预测尤为重要。

电力负荷预测按时间大致可以分为四类：长期负荷预测、中期负荷预测、短期负荷预测和超短期负荷预测[3]。其中，超短期负荷预测的目的是在当日之内制订出一套合理的发电计划，精确预测未来几小时甚至几分钟的负荷值，从而保障整个电网的安全运行，保证较高的电能质量[4]。

近几年来，中外学者采用神经网络的方法进行超短期电力负荷预测，取得了不错的效果。M.A.Hossain 等人提出了一种基于CNN-GRU 的风电超短期预测方法，该方法的预测精度达到了98.4%以上[5]；庄家懿等人提出一种基于CNN 和GRU 并行的超短期负荷预测方法，该方法与GRU 神经网络、CNNGRU 神经网络超短期负荷预测法相比，有更高的预测精度[6]。但上述方法在面对大容量负荷数据时的精度较低。

为了弥补和完善上述负荷预测方法带来的不足，文中拟构建基于GRU、CNN 和Attention 相结合的神经网络，该方法首先利用GRU 能够处理时间序列的特点，初步提取较长时间的负荷序列的特征，然后利用CNN 能够对负荷序列进行分批次提取特征的特点，即按照每天负荷数据的规律，将GRU 提取的特征进行分类处理，最后加入Attention 提高预测精度。……