期刊导航
期刊开放获取
河南省图书馆
退出
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
1
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式:
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于改进PSO优化LSTM网络的典型用电负荷模式识别
1
作者
贾磊
龚正
+2 位作者
吴海伟
耿文逸
王琚玮
《电力需求侧管理》
2024年第1期48-53,共6页
新能源发电的推广和使用加剧了用电高峰期电网供需矛盾,对电力用户的负荷模式进行识别可以为负荷参与调峰决策提供支持。为提高用电负荷模式辨识准确率,提出一种基于改进粒子群(IPSO)算法优化长短期记忆(LSTM)神经网络的用电负荷模式识...
新能源发电的推广和使用加剧了用电高峰期电网供需矛盾,对电力用户的负荷模式进行识别可以为负荷参与调峰决策提供支持。为提高用电负荷模式辨识准确率,提出一种基于改进粒子群(IPSO)算法优化长短期记忆(LSTM)神经网络的用电负荷模式识别模型。通过引入多样化初始参数、动态非线性权重和淘汰机制等措施,改善了粒子群算法的寻优能力,实现对LSTM的关键参数寻优,确定LSTM神经网络的最优参数组合。实验结果表明,该方法可以有效提高模型的准确率,同时节省模型的训练时间。
展开更多
关键词
负荷模式
改进粒子群算法
长短期记忆神经网络
参数寻优
下载PDF
职称材料
题名
基于改进PSO优化LSTM网络的典型用电负荷模式识别
1
作者
贾磊
龚正
吴海伟
耿文逸
王琚玮
机构
国网江苏省电力有限公司扬州市江都区供电分公司
国网江苏省电力有限公司
出处
《电力需求侧管理》
2024年第1期48-53,共6页
基金
国网江苏省电力有限公司科技项目(J2022010)。
文摘
新能源发电的推广和使用加剧了用电高峰期电网供需矛盾,对电力用户的负荷模式进行识别可以为负荷参与调峰决策提供支持。为提高用电负荷模式辨识准确率,提出一种基于改进粒子群(IPSO)算法优化长短期记忆(LSTM)神经网络的用电负荷模式识别模型。通过引入多样化初始参数、动态非线性权重和淘汰机制等措施,改善了粒子群算法的寻优能力,实现对LSTM的关键参数寻优,确定LSTM神经网络的最优参数组合。实验结果表明,该方法可以有效提高模型的准确率,同时节省模型的训练时间。
关键词
负荷模式
改进粒子群算法
长短期记忆神经网络
参数寻优
Keywords
load mode
improved particle swarm optimization
long short-term memory neural network
parameter optimization
分类号
TK018 [动力工程及工程热物理]
F407 [经济管理—产业经济]
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于改进PSO优化LSTM网络的典型用电负荷模式识别
贾磊
龚正
吴海伟
耿文逸
王琚玮
《电力需求侧管理》
2024
0
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部