短期负荷受社会因素和自然因素的影响,使得精准负荷预测困难重重。为了提高短期电力负荷预测精度,提出一种基于改进一般随机神经网络的负荷预测模型。随机神经网络与传统的BP神经网络相比的优势在于随机神经网络在参数优化过程中不会陷入局部最优,但是随机神经也存在自身的不足。针对一般随机神经网络优化过慢;参数优化朝着局部数据而不是整体训练数据,导致最后保存模型不是对整个训练集整体的最优模型。提出在随机神经网络预测模型中用Adam算法替代传统的梯度下降优化算法加快优化,并在随机神经网络模型每次更新后计算整体数据的损失函数,保存损失函数最小时的模型。通过实验分析,验证改进的随机神经网络模型更加有效。
类型: 期刊论文
作者: 王瑞,王强强,逯静
关键词: 负荷预测,神经网络,梯度下降,算法,随机神经网络
来源: 制造业自动化 2019年07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: 河南理工大学计算机科学与技术学院
基金: 国家自然科学基金(61703144),河南省科技攻关项目(182102210054),河南省高等学校重点科研项目(18A470012),河南省控制工程重点学科开放实验室开放基金课题(KG2016-09)
分类号: TP183;TM715
页码: 44-48
总页数: 5
文件大小: 1992K
下载量: 154
本文来源: https://www.lunwen66.cn/article/13d86cec4c202973a422deb8.html