10.15913/j.cnki.kjycx.2023.02.013
基于APSO-LSTM模型的短期电力负荷预测
利用短期负荷预测进行自动发电系统超前控制,有利于实现电力负荷的实时供需平衡.由于电力负荷本身非线性、非平稳且受各种因素的复杂影响,预测准确率不高.LSTM模型被广泛应用到负荷预测中,但是由于模型优化算法的初始参数根据经验值设置,模型的泛化能力低且降低了预测精度.将改进的自适应粒子群算法与LSTM模型相结合,使学习因子、惯性权重动态化,同时改进位置更新公式,提升粒子群算法的寻优能力,寻找LSTM模型中不同优化算法下最佳的初始学习率.实验结果表明,在不同优化算法下APSO-LSTM模型比LSTM模型的预测误差更低,验证了优化方案的可行性.
负荷预测、自适应粒子群算法、LSTM模型、学习率
TM715(输配电工程、电力网及电力系统)
2023-02-24(万方平台首次上网日期,不代表论文的发表时间)
共5页
47-51