基于PSO算法优化GRU神经网络的短期负荷预测

作     者：王康 龚文杰 段晓燕 张智晟 WANG Kang;GONG Wenjie;DUAN Xiaoyan;ZHANG Zhisheng

作者机构：青岛大学电气工程学院山东青岛266071 国网青岛供电公司山东青岛266002 

基　　金：山东电力科技项目(2019) 2016智慧青岛建设计划重点项目(强化重点领域智慧企业服务类-11) 

出 版 物：《广东电力》 (Guangdong Electric Power)

年 卷 期：2020年第33卷第4期

页      码：90-96页

摘      要：为了实现高精度的电力系统短期负荷预测,提出了基于粒子群优化(particle swarm optimization,PSO)算法优化门控循环单元(gated recurrent unit,GRU)神经网络的电力系统短期负荷预测模型。首先建立GRU神经网络,GRU神经网络采用了门控循环单元,与采用传统循环单元的传统循环神经网络相比,克服了传统循环神经网络中可能出现的梯度爆炸和梯度消失问题;继而采用具有较强全局优化能力的改进粒子群算法对GRU神经网络参数进行优化,有效提高模型的预测精度。通过实际算例仿真分析,并与传统的GRU神经网络预测模型以及反向传播(back propagation,BP)神经网络预测模型进行对比,验证了所提电力系统短期负荷预测模型具有较好的精度和稳定性。

主 题 词：短期负荷预测 门控循环单元 GRU神经网络 粒子群优化 预测精度 

学科分类：080802[080802] 0808[工学-自动化类] 08[工学] 

D　O　I：10.3969/j.issn.1007-290X.2020.004.012

馆 藏 号：203910409...