基于PSO算法优化GRU神经网络的短期负荷预测

• 作者: 张智晟 段晓燕 王康 龚文杰
• 来源期刊: 广东电力
• 学科: 工学
• 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
• 年，卷（期）: 2020,（4）
• 所属期刊栏目: 电网运行与控制
• 页码范围: 90-96
• 页数: 7页
• 分类号: TM715.2
• 字数: 4781字
• 语种: 中文
• DOI: 10.3969/j.issn.1007-290X.2020.004.012

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.

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	青岛大学电气工程学院	67	384	11.0	16.0
2	王康	青岛大学电气工程学院	5	9	2.0	3.0
3	龚文杰		8	12	1.0	3.0
4	段晓燕		6	11	1.0	3.0