微电网负荷的精准预测是保证微电网安全稳定运行并降低运行成本的基础。由于微电网负荷具有比大电网负荷更强的波动性和随机性,因而精准预测难度极大。本文在详细分析微电网系统负荷特性的前提下,研究基于GRU神经网络的微电网日前电力负荷预测:(1)提出基于门循环单元神经网络的微电网日前负荷在线精准预测算法:传统机器学习算法在进行负荷预测时,过分依赖相似日样本选取,导致模型构建和更新不够灵活,从而使得预测精度难以满足要求。鉴于门循环单元神经网络(Gate Recurrent Unit,GRU)在处理时序数据上的优越性,提出一种基于GRU神经网络的微电网系统负荷在线精准预测模型。首先基于GRU网络构建微电网负荷短期精准预测模型框架;然后建立GRU网络的预测模型,并给出模型在线更新方法。实验表明,该算法在微电网负荷预测方面具有较好的预测精度,且能及时跟踪处理负荷变化,表现良好。(2)提出基于模糊相似日和多GRU神经网络的微电网日前负荷区间预测算法:除了利用负荷数据自身特性之外,气象对于负荷的模糊影响也是需要注意的,鉴于此,在研究内容(1)的基础上,进一步研究基于多模糊相似日和多GRU神经网络的负荷区间预测,首先,对微电网负荷的数据进行波动性以及气象相关性分析,选取对微电网负荷变化影响较大的因素;然后,构建气象因素的模糊量化表示,并基于该模糊集合选择模糊相似日;最后,构建基于模糊相似日数据的多GRU神经网络的负荷区间预测模型。仿真实验的结果显示,该算法在微电网负荷预测的区间覆盖率以及区间平均宽度等方面表现良好。该论文含有图26幅,表8个,参考文献82篇。