基于SSA-LSTM网络的电力系统短期负荷预测

基于SSA-LSTM网络的电力系统短期负荷预测
王振勋;王大虎
【期刊名称】《科技与创新》
【年(卷),期】2024()5
【摘要】为提升电力系统短期负荷预测精度,提出一种SSA-LSTM短期负荷预测模型。

针对在短期负荷预测中使用LSTM(Long Short Term Memory,长短期记忆)网络时参数设置人为因素影响大、随机性强而导致的负荷预测精度不高、泛化性不强问题,运用SSA(Sparrow search algorithm,麻雀搜索算法)对LSTM网络的迭代次数、隐藏层层数、神经元个数进行寻优,并使用河南省某电网负荷数据验证所提模型有效性。

最终实验结果表明,所提组合模型相比于单一LSTM的网络模型预测效果更好。

【总页数】3页(P117-119)
【作者】王振勋;王大虎
【作者单位】河南理工大学电气工程与自动化学院
【正文语种】中文
【中图分类】TM715;TP391
【相关文献】
1.基于最小窥视孔长短期记忆神经网络的电力系统短期负荷预测模型
2.基于量子加权GRU神经网络的电力系统短期负荷预测
3.基于SSA-LSTM模型的短期电力负
荷预测4.基于萤火虫算法与BP神经网络的电力系统短期负荷预测5.基于WT+改进SSA-LSTM模型的短期天然气负荷预测算法
因版权原因，仅展示原文概要，查看原文内容请购买。