基于SSA-LSTM网络的电力系统短期负荷预测

扫码查看

原文链接

NETL
NSTL
万方数据

中文摘要：为提升电力系统短期负荷预测精度,提出一种SSA-LSTM短期负荷预测模型.针对在短期负荷预测中使用LSTM(Long Short Term Memory,长短期记忆)网络时参数设置人为因素影响大、随机性强而导致的负荷预测精度不高、泛化性不强问题,运用SSA(Sparrow search algorithm,麻雀搜索算法)对LSTM网络的迭代次数、隐藏层层数、神经元个数进行寻优,并使用河南省某电网负荷数据验证所提模型有效性.最终实验结果表明,所提组合模型相比于单一LSTM的网络模型预测效果更好.

作者：

王振勋、王大虎

展开 >

作者单位：

河南理工大学电气工程与自动化学院,河南焦作 454003

关键词：

长短期记忆神经网络麻雀搜索算法组合优化预测模型负荷预测

出版年：

2024

DOI：

10.15913/j.cnki.kjycx.2024.05.033

科技与创新

中国计算机用户协会

科技与创新

ISSN：1008-0570

年,卷(期)：2024.(5)

参考文献量9