典型文献
基于RW-SSA-GRNN的短期电力负荷预测
文献摘要：
智能电网技术的迅速发展,对短期电力负荷预测的速度、精度和稳定性都提出了更高的要求.针对智能用电环境下负荷随机性强、数据量较少情况下短期电力负荷预测精度差、计算时间长等问题,提出一种基于随机游走(random walk,RW)、改进麻雀搜索算法(sparrow search algorithm,SSA)优化广义回归神经网络(general regression neural network,GRNN)的组合预测方法.模型采用多输入单输出,输入为负荷数据和气象信息等,输出为负荷预测值.通过引入随机游走对麻雀所处位置进行扰动,避免陷入局部最优的同时进一步提高其全局搜索能力,利用改进后的麻雀搜索算法优化广义回归神经网络的平滑因子,提升模型的自学能力、稳定性和精度.以陕西省西安市某支线的实际负荷数据进行预测验证,结果表明,改进后的算法拥有更好的收敛能力,模型预测精度更高.
文献关键词：
电力负荷;负荷预测;广义回归神经网络 (GRNN);随机游走 (RW);麻雀搜索算法 (SSA)
中图分类号：
作者姓名：
闫秀英;樊晟志
作者机构：
西安建筑科技大学建筑设备科学与工程学院,陕西省西安市 710055
文献出处：
引用格式：
[1]闫秀英;樊晟志-.基于RW-SSA-GRNN的短期电力负荷预测)[J].分布式能源,2022(06):37-43
A类：
B类：
RW,SSA,GRNN,短期电力负荷预测,智能电网技术,智能用电,随机性,数据量,计算时间,随机游走,random,walk,改进麻雀搜索算法,sparrow,search,algorithm,广义回归神经网络,general,regression,neural,network,组合预测方法,多输入单输出,负荷数据,气象信息,局部最优,全局搜索,搜索能力,算法优化,平滑因子,自学能力,陕西省西安市,某支,支线,测验,收敛能力
AB值：
0.312458
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
