基于深度递归神经网络的电力系统短期负荷预测模型

• 作者: 于惠鸣 张智晟 段晓燕 龚文杰
• 来源期刊: 电力系统及其自动化学报
• 学科: 工学
• 关键词: 深度神经网络 深度递归神经网络 改进粒子群优化算法 短期负荷预测 电力系统
• 年，卷（期）: 2019,（1）
• 所属期刊栏目: 学术论文
• 页码范围: 112-116
• 页数: 5页
• 分类号: TM715
• 字数: 3512字
• 语种: 中文
• DOI: 10.3969/j.issn.1003-8930.2019.01.021

摘要

针对电力负荷非线性动态特性导致的负荷预测困难、预测精度低等问题,本文构建了深度递归神经网络短期负荷预测模型.在深度神经网络多隐层结构的基础上,深度递归神经网络增设了关联层,并以改进粒子群算法作为网络的优化学习算法,对模型权值空间进行深度优化.对某地区电网实际负荷进行预测仿真,结果表明与 BP 网络、深度神经网络相比,深度递归神经网络的平均绝对误差的周平均值分别降低 1.61%和0.56%,验证了深度递归神经网络能够融合前馈与反馈连接,提高网络泛化能力,有效提高负荷预测精度.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张智晟	青岛大学自动化与电气工程学院	67	384	11.0	16.0
2	于惠鸣	青岛大学自动化与电气工程学院	2	15	2.0	2.0
3	龚文杰		8	12	1.0	3.0
4	段晓燕		6	11	1.0	3.0