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.
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
单位:青岛大学自动化与电气工程学院; 青岛266071; 国网青岛供电公司; 青岛266002
注:因版权方要求,不能公开全文,如需全文,请咨询杂志社