文献类型：期刊文章

作　　者：赵婧宇[1] 池越[1] 周亚同[1]

ZHAO Jing-yu;CHI Yue;ZHOU Ya-tong(School of Electronics and Information Engineering, Hebei University of Technology, Tianjin 300401, China)

机构地区：[1]河北工业大学电子信息工程学院,天津300401

出　　处：《电工电能新技术》

基　　金：国家重点研发计划智能机器人专项子课题(2019YFB1312102);河北省自然科学基金(F2019202364)。

年　　份：2022

卷　　号：41

期　　号：6

起止页码：71-79

语　　种：中文

收录情况：AJ、BDHX、BDHX2020、CSCD、CSCD_E2021_2022、JST、RCCSE、ZGKJHX、核心刊

摘　　要：电力负荷预测实质是时间序列预测问题,存在非平稳性和影响因素的复杂性。为了提高预测精度,解决长短期记忆神经网络(LSTM)参数选取随机性大、选取困难的问题,本文提出了一种利用麻雀搜索算法(SSA)优化长短期记忆神经网络参数的短期电力负荷预测模型(SSA-LSTM),通过历史用电负荷数据、相关影响因素数据对待预测日进行负荷预测。首先,对历史用电负荷数据、天气、节假日等影响因素进行预处理。其次,将处理好的数据用以训练模型,借助麻雀搜索算法对长短期记忆神经网络的参数进行寻优,使输入数据与网络结构更好地进行匹配。最后,进行负荷预测同时对比其他算法模型进行分析。算例结果表明,本文所提模型能够有效提高预测精度且在进行短期负荷预测中具有有效性。

关 键 词：麻雀搜索算法(SSA)  长短期记忆神经网络(LSTM)  组合预测 预测精度  

分 类 号：TM715] TP183]