| 基于改进PSO优化LSTM网络的典型用电负荷模式识别 |
| |
| 作者姓名： | 贾磊 龚正 吴海伟 耿文逸 王琚玮 |
| |
| 作者单位： | 1.国网江苏省电力有限公司 扬州市江都区供电分公司,江苏 扬州 225200;2.国网江苏省电力有限公司,南京 210000 |
| |
| 基金项目： | 国网江苏省电力有限公司科技项目（J2022010） |
| |
| 摘 要： | 新能源发电的推广和使用加剧了用电高峰期电网供需矛盾,对电力用户的负荷模式进行识别可以为负荷参与调峰决策提供支持.为提高用电负荷模式辨识准确率,提出一种基于改进粒子群(IPSO)算法优化长短期记忆(LSTM)神经网络的用电负荷模式识别模型.通过引入多样化初始参数、动态非线性权重和淘汰机制等措施,改善了粒子群算法的寻优能力,实现对LSTM的关键参数寻优,确定LSTM神经网络的最优参数组合.实验结果表明,该方法可以有效提高模型的准确率,同时节省模型的训练时间.
|
| 关 键 词： | 负荷模式 改进粒子群算法 长短期记忆神经网络 参数寻优 |
| 收稿时间： | 2023-09-21 |
| 修稿时间： | 2023-12-06 |
| 本文献已被 万方数据 等数据库收录！ |
| 点击此处可从《电力需求侧管理》浏览原始摘要信息 |
|
点击此处可从《电力需求侧管理》下载免费的PDF全文 |
|
