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(Sp...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。展开更多
文摘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。