-
题名改进的黑猩猩算法优化LSTM的短期电力负荷预测
被引量：8
- 1
-
-
作者
高超
孙谊媊
赵洪峰
邓林鲜
魏鹏飞
-
机构
新疆大学电气工程学院
国网新疆电力有限公司
-
出处
《现代电子技术》
2022年第21期122-126,共5页
-
基金
上海合作组织科技伙伴计划(2017E01015)。
-
文摘
针对电力负荷随机性强、预测精度不高的问题,提出一种基于改进型黑猩猩优化算法(ICOA)优化长短时记忆网络(LSTM)的短期负荷预测模型。为了避免标准的黑猩猩算法求解LSTM参数优化问题时易陷入局部最优和收敛速度慢等缺陷,首先通过Sin混沌映射初始化黑猩猩种群,增强种群多样性,提高初始解的质量;其次,提出一种非线性收敛因子,均衡算法的全局与局部搜索能力,提高收敛速度;然后,引入反向学习策略和柯西高斯变异对最优黑猩猩进行扰动变异,提高算法局部和全局的开发能力,进而提高算法的寻优能力;最后,利用ICOA对LSTM网络的隐含层神经元数、学习率等参数进行优化,自动寻找最优参数,建立ICOA⁃LSTM负荷预测模型。结合某地区的实际数据进行预测分析,结果表明,与Elman、LSTM、PSO⁃LSTM、WOA⁃LSTM、COA⁃LSTM预测方法相比,文中所提方法的收敛速度和预测精度均有大幅提升。
-
关键词
短期负荷预测
长短时记忆网络
改进型黑猩猩优化算法
sin混沌映射
收敛因子
反向学习
-
Keywords
short⁃term load forecasting
LSTM
ICOA
chaotic map sin
convergence factor
OBL
-
分类号
TN711-34
[电子电信—电路与系统]
TM715
[电气工程—电力系统及自动化]
-
