基于深度递归神经网络的电力系统短期负荷预测模型

基于深度递归神经网络的电力系统短期负荷预测模型

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

  • 1 DRNN预测模型
  •   1.1 深度神经网络
  •   1.2 预测模型
  • 2 基于IPSO算法的DRNN预测模型
  •   2.1 IPSO
  •   2.2 基于IPSO的DRNN预测模型学习算法
  • 3 实际地区日负荷仿真预测
  •   3.1 预测基本依据
  •   3.2 仿真结果比较
  • 4 结语
  • 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:;  ;  ;  ;  ;  

    基于深度递归神经网络的电力系统短期负荷预测模型
    下载Doc文档

    猜你喜欢