摘要
本文提出了一种基于QPSO-LSTM模型的短期电力负荷预测方法。首先,本文采用量子粒子群优化算法(quantum particle swarm optimization, QPSO)对长短期记忆网络(long short-term memory, LSTM)的参数进行优化。其次,通过引入QPSO算法模型能够在训练过程中自动调整LSTM的参数,使其更好地适应电力负荷数据的特点。最后,实验结果表明,基于QPSO-LSTM的预测模型具有较高的预测准确性。因此,本文方法在实际应用中具有潜力,可以改善电力系统的负荷预测和调度能力。
出处
《信息记录材料》
2024年第2期240-242,共3页
Information Recording Materials
作者简介
祝少卿(2003-),男,河南平顶山,本科,研究方向:电力系统自动化。
