文献类型：期刊文章

作　　者：王康[1] 龚文杰[2] 段晓燕[2] 张智晟[1]

WANG Kang;GONG Wenjie;DUAN Xiaoyan;ZHANG Zhisheng(College of Electrical Engineering,Qingdao University,Qingdao,Shandong 266071,China;State Grid Qingdao Electric Power Company,Qingdao,Shandong 266002,China)

机构地区：[1]青岛大学电气工程学院,山东青岛266071 [2]国网青岛供电公司,山东青岛266002

出　　处：《广东电力》

基　　金：山东电力科技项目(2019);2016智慧青岛建设计划重点项目(强化重点领域智慧企业服务类-11)。

年　　份：2020

卷　　号：33

期　　号：4

起止页码：90-96

语　　种：中文

收录情况：IC、RCCSE、UPD、ZGKJHX、普通刊

摘　　要：为了实现高精度的电力系统短期负荷预测,提出了基于粒子群优化(particle swarm optimization,PSO)算法优化门控循环单元(gated recurrent unit,GRU)神经网络的电力系统短期负荷预测模型。首先建立GRU神经网络,GRU神经网络采用了门控循环单元,与采用传统循环单元的传统循环神经网络相比,克服了传统循环神经网络中可能出现的梯度爆炸和梯度消失问题;继而采用具有较强全局优化能力的改进粒子群算法对GRU神经网络参数进行优化,有效提高模型的预测精度。通过实际算例仿真分析,并与传统的GRU神经网络预测模型以及反向传播(back propagation,BP)神经网络预测模型进行对比,验证了所提电力系统短期负荷预测模型具有较好的精度和稳定性。

关 键 词：短期负荷预测 门控循环单元  GRU神经网络  粒子群优化 预测精度  

分 类 号：TM715.2]