SSA优化混合RNN的短期电力负荷预测

摘要：

针对传统短期电力负荷预测模型特征获取能力欠佳、预测精度低的问题,提出一种SSA优化CNN+BILSTM-LSTM-Attention的双通道短期电力负荷预测模型.该模型构建多层CNN与BiLSTM双通道结构,提高模型的特征获取能力;利用灰色关联分析筛选温度、湿度等气象影响因素参与模型训练,同时,利用以均方误差最优为 目标函数的SSA优化算法,自适应选取迭代次数、时间步等模型超参数,提高模型的预测精度.通过实验对比表明,该模型在误差指标和拟合优度指标两方面较 BiLSTM-Attention、Attention-BiLSTM-LSTM 等模型均有提升.

关键词：短期电力负荷预测、双通道模型、麻雀搜索算法、多因素筛选、超参数优化

所属期刊栏目：42

分类号：TM714(输配电工程、电力网及电力系统)

资助基金：国家电网有限公司总部科技项目;河北省自然科学基金

在线出版日期：2023-09-26（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：35-42