麻雀搜索算法优化的RF-BILSTM短期电力负荷预测

麻雀搜索算法优化的RF-BILSTM短期电力负荷预测
蔡志豪;史洪岩
【期刊名称】《黑龙江工程学院学报》
【年(卷),期】2024(38)1
【摘要】电力负荷的准确预测是电网安全运行以及社会正常生产的重要保障,但负荷数据因自身的非线性以及众多影响因素的不确定性大大降低预测精度的准确性,因此,为了提高短期电力负荷的预测精度,提出一种基于麻雀搜索算法(SSA)优化随机森林(RF)-双向长短期记忆神经网络(BILSTM)的预测模型。

首先,针对电力负荷数据特征构造等问题,对数据进行量化以及标准化预处理操作,便于后续模型的输入。

其次,利用RF算法对电力负荷的众多影响因素进行重要性排序,保留重要因素并将其与历史负荷数据进一步结合,从而构成神经网络的最终输入。

最后,采用SSA算法对BILSTM模型的部分超参数进行优化选取,解决人工选取困难的问题。

通过与其他模型对比,验证了该模型具有较高的预测精度。

【总页数】6页(P15-20)
【作者】蔡志豪;史洪岩
【作者单位】沈阳化工大学信息工程学院
【正文语种】中文
【中图分类】TP183;TM714
【相关文献】
1.基于人群搜索算法优化参数的支持向量机短期电力负荷预测
2.基于改进天牛须搜索算法优化LSSVM短期电力负荷预测方法研究
3.改进麻雀算法优化Elman神经网络的短期电力负荷预测
4.基于麻雀搜索算法优化BP神经网络的短期负荷预测
5.基于麻雀搜索优化的Attention-BiLSTM短期电力负荷预测
因版权原因，仅展示原文概要，查看原文内容请购买。