基于改进LSTM的电力负荷预测与成本感知优化策略研究

作     者：张泽龙 韦冬妮 唐梦媛 纪强 杨燕 ZHANG Zeong;WEI Dongni;TANG Mengyuan;JI Qiang;YANG Yan

作者机构：国网宁夏电力有限公司经济技术研究院宁夏银川750002 

基　　金：国网宁夏电力企业智库建设方法研究项目(B007-300009250-00014) 

出 版 物：《电子设计工程》 (Electronic Design Engineering)

年 卷 期：2023年第31卷第21期

页      码：132-136页

摘      要：针对企业用电负荷预测计算复杂且准确度较低的问题,提出了一种基于改进粒子群算法(IPSO)与随差遗忘长短期记忆时间网络(EFFG-LSTM)的电力负荷预测与成本感知优化方法。该模型针对传统LSTM模型超参数随机选取的缺陷,利用IPSO算法实现了超参数的自适应寻优。对于LSTM单元缺乏误差跟随能力、易出现梯度消失的问题,采用一种随差遗忘门结构使其能够跟踪上一时刻的预测误差,同时动态调整遗忘门参数,并使用ReLU作为LSTM单元的激活函数。通过仿真算例表明,所提IPSO-EFFG-LSTM相比于EFFG-LSTM及LSTM模型在电力负荷预测上具有更高的准确度,且平均误差仅为5.2%。

主 题 词：长短期记忆网络 负荷预测 粒子群算法 成本感知 

学科分类：0809[工学-计算机类] 08[工学] 080401[080401] 0804[工学-材料学] 080402[080402] 0838[0838] 

D　O　I：10.14022/j.issn1674-6236.2023.21.027

馆 藏 号：203124193...