湖北工业大学学报2023，Vol.38Issue(1) ：15-20.

改进深度神经网络的用户用电量预测方法

Research on User Electricity Consumption Prediction Method Based on Improved Deep Neural Network

蔡翔 朱莉
湖北工业大学学报2023，Vol.38Issue(1) ：15-20.
✕
  • 维普
  • 万方数据

改进深度神经网络的用户用电量预测方法

Research on User Electricity Consumption Prediction Method Based on Improved Deep Neural Network

蔡翔 1朱莉2
扫码查看

作者信息

  • 1. 湖北工业大学电气与电子工程学院,湖北武汉430068
  • 2. 太阳能高效利用及储能运行控制湖北省重点实验室,湖北武汉430068
  • 折叠

摘要

针对深度神经网络对电能预测精度低的问题,提出正弦粒子群优化神经元数量的深度神经网络算法,通过对粒子群算法进行变异操作和惯性权重改进,来对深度神经网络隐藏层神经元参数进行寻优.实验结果表明,SPSONN-DNN算法相比于DNN、极度梯度提升、线性回归、两种改进PSONN-DNN算法的预测精度分别提高了1.926％、2.820％、1.500％、0.633％、0.582％;SPSONN-DNN 算法相比于两种改进 PSONN-DNN 算法迭代次数分别减少6次、4次.

关键词

电量预测/深度神经网络/粒子群算法/预测精度

引用本文复制引用

基金项目

新能源及电网装备安全监测湖北省工程研究中心开放研究基金(HBSKF202124)

出版年

2023
湖北工业大学学报
湖北工业大学

湖北工业大学学报

CHSSCD
影响因子：0.258
ISSN：1003-4684
参考文献量2
段落导航相关论文