基于SFO-GRU模型的短期负荷预测

• 作者: 陈昱吉 成贵学
• 来源期刊: 现代信息科技
• 关键词: 短期负荷预测 参数优化 旗鱼优化算法 GRU
• 年，卷（期）: 2021,（4）
• 所属期刊栏目: 计算机技术|Computer Technology
• 页码范围: 93-96,99
• 页数: 5页
• 分类号: TM715
• 语种: 中文
• DOI: 10.19850/j.cnki.2096-4706.2021.04.023

摘要

为提高短期负荷预测精度,提出一种基于旗鱼优化算法(SFO)和GRU神经网络的短期负荷预测模型.通过使用负荷、气象等真实数据对GRU神经网络的权重参数进行训练并建立GRU预测模型,同时采用旗鱼优化算法(SFO)优化GRU模型的迭代次数、学习率和隐藏层神经元数量,仿真实验结果表明,与BP、LSTM等经典预测模型相比,SFO-GRU模型具有更高的预测精度.