10.19399/j.cnki.tpt.2021.04.001
基于改进GRU的短期电力负荷预测方法
为提高电力负荷预测的准确性,采用灰狼优化(Grey Wolf Optimizer,GWO)算法对门控循环单元(Gated Recurrent Unit Neural Network,GRU)神经网络进行优化,并进行短期电力负荷预测.首先预处理数据并量化影响因素,然后搭建基于GWO超参数优化的GRU神经网络模型,最后与其他模型对比得出预测结果.实验结果显示,该方法拟合度高,收敛速度快,有较好的预测效果.
短期电力负荷预测、灰狼算法、门控循环单元、神经网络
38
TP391;TS807;TN911.72
2021-06-11(万方平台首次上网日期,不代表论文的发表时间)
共5页
1-4,7