论文摘要
针对电力负荷非线性动态特性导致的负荷预测困难、预测精度低等问题,本文构建了深度递归神经网络短期负荷预测模型。在深度神经网络多隐层结构的基础上,深度递归神经网络增设了关联层,并以改进粒子群算法作为网络的优化学习算法,对模型权值空间进行深度优化。对某地区电网实际负荷进行预测仿真,结果表明与BP网络、深度神经网络相比,深度递归神经网络的平均绝对误差的周平均值分别降低1.61%和0.56%,验证了深度递归神经网络能够融合前馈与反馈连接,提高网络泛化能力,有效提高负荷预测精度。
论文目录
文章来源
类型: 期刊论文
作者: 于惠鸣,张智晟,龚文杰,段晓燕
关键词: 深度神经网络,深度递归神经网络,改进粒子群优化算法,短期负荷预测,电力系统
来源: 电力系统及其自动化学报 2019年01期
年度: 2019
分类: 工程科技Ⅱ辑,信息科技
专业: 电力工业,自动化技术
单位: 青岛大学自动化与电气工程学院,国网青岛供电公司
基金: 国家自然科学基金资助项目(51477078),智能电网教育部重点实验室开放研究基金资助项目(2018)
分类号: TM715;TP183
页码: 112-116
总页数: 5
文件大小: 939K
下载量: 587
相关论文文献
标签:深度神经网络论文; 深度递归神经网络论文; 改进粒子群优化算法论文; 短期负荷预测论文; 电力系统论文;