为提高电力负荷预测的准确性,采用灰狼优化(Grey Wolf Optimizer,GWO)算法对门控循环单元(Gated Recurrent Unit Neural Network,GRU)神经网络进行优化,并进行短期电力负荷预测。首先预处理数据并量化影响因素,然后搭建基于GWO超参数优...为提高电力负荷预测的准确性,采用灰狼优化(Grey Wolf Optimizer,GWO)算法对门控循环单元(Gated Recurrent Unit Neural Network,GRU)神经网络进行优化,并进行短期电力负荷预测。首先预处理数据并量化影响因素,然后搭建基于GWO超参数优化的GRU神经网络模型,最后与其他模型对比得出预测结果。实验结果显示,该方法拟合度高,收敛速度快,有较好的预测效果。展开更多
文摘为提高电力负荷预测的准确性,采用灰狼优化(Grey Wolf Optimizer,GWO)算法对门控循环单元(Gated Recurrent Unit Neural Network,GRU)神经网络进行优化,并进行短期电力负荷预测。首先预处理数据并量化影响因素,然后搭建基于GWO超参数优化的GRU神经网络模型,最后与其他模型对比得出预测结果。实验结果显示,该方法拟合度高,收敛速度快,有较好的预测效果。
