基于改进鲸鱼算法的电力负荷预测研究

针对电力负荷预测精确度较低特点,提出了一种基于改进鲸鱼算法的长短期记忆神经网络预测模型(SWOA-LSTM)。首先针对传统WOA算法初始种群映射折叠次数有限等缺点,利用Sin混沌模型将WOA种群进行初始化,随后利用该算法对LSTM的初始参数进行优化,得到SWOA-LSTM预测模型,为证明预测模型的精确性,分别与WOA-LSTM,LSTM以及BP神经网络进行对比,经过对比分析,最后发现SWOA-LSTM算法能够快速寻优,提高收敛精度,从而提高预测精度,为电力系统的发展提供有力支撑。