| 基于SSA-Bi-LSTM神经网络的母线负荷预测方法 |
| |
| 引用本文： | 胡如乐,陈逸枞,张大海,张沛,王舒杨,喻芸.基于SSA-Bi-LSTM神经网络的母线负荷预测方法[J].广东电力,2022,35(2):19-26. |
| |
| 作者姓名： | 胡如乐 陈逸枞 张大海 张沛 王舒杨 喻芸 |
| |
| 作者单位： | 南方电网数字电网研究院有限公司,广东广州510663,北京交通大学电气工程学院,北京100044,天津弘源慧能科技有限公司,天津300010 |
| |
| 基金项目： | 国家重点研发计划;中国南方电网有限责任公司科技项目 |
| |
| 摘 要： | 为了提高母线负荷预测精度，针对长短期记忆(long short term memory, LSTM)神经网络在母线负荷预测时存在对负荷规律提取不足导致精度下降、超参数设置依赖经验等问题，首先构建LSTM神经网络的变体网络——双向长短期记忆(Bi-directional LSTM,Bi-LSTM)神经网络，捕获时间序列未来可用的信息。然后采用麻雀搜索算法(sparrow search algorithm, SSA)搜索最优超参数，得到最优学习率、隐层神经元数目和迭代次数等。以实际10 kV母线数据对SSA-Bi-LSTM神经网络模型进行验证，并与Bi-LSTM神经网络和BP神经网络进行对比，结果表明SSA-Bi-LSTM神经网络模型的预测效果更佳。
|
| 关 键 词： | 母线负荷 双向长短期记忆神经网络 负荷预测 麻雀搜索算法 长短期记忆神经网络 |
Bus Load Prediction Method Based on SSA-Bi-LSTM Neural Network |
| |
| HU Rule,CHEN Yicong,ZHANG Dahai,ZHANG Pei,WANG Shuyang,YU Yun.Bus Load Prediction Method Based on SSA-Bi-LSTM Neural Network[J].Guangdong Electric Power,2022,35(2):19-26. |
| |
| Authors: | HU Rule CHEN Yicong ZHANG Dahai ZHANG Pei WANG Shuyang YU Yun |
| |
| Abstract: | |
| |
| Keywords: | |
| 本文献已被 万方数据 等数据库收录！ |
|
