基于SSA-LSTM网络的电力系统短期负荷预测

• 作者: 王振勋 王大虎 河南理工大学电气工程与自动化学院
• 来源期刊: 科技与创新
• 学科: 工学
• 关键词: 长短期记忆神经网络 麻雀搜索算法 组合优化预测模型 负荷预测
• 年，卷（期）: 2024,（5）
• 页码范围: 117-119
• 页数: 3页
• 语种: 中文
• DOI: 10.15913/j.cnki.kjycx.2024.05.033

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。