典型文献
基于ICOA-LSTM的短期负荷预测研究
文献摘要：
精准的负荷预测有利于电力系统的稳定运行,提高经济性和可靠性.为了提高短期电力负荷的预测精度,提出了一种基于改进型黑猩猩算法优化长短时记忆网络的短期负荷预测模型.由于黑猩猩优化算法存在易陷入局部最优、寻优精度低等缺陷,采用Circle映射策略初始化种群,产生分布均匀的黑猩猩种群,提高黑猩猩种群的多样性,为全局寻优奠定基础;其次,引入螺旋位置更新策略,使黑猩猩种群有多种搜索路径,扩大搜索空间,提高种群的全局搜索能力;然后,引入Levy飞行策略和自适应t变异策略,在最优解位置进行扰动变异,增强抗局部极值能力,提高算法的收敛精度.针对LSTM网络的隐含层神经元数,学习率等参数较难选取的问题,利用ICOA对LSTM网络自动寻找最优参数,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BP、LSTM、PSO-LSTM、COA-LSTM预测方法相比,ICOA-LSTM模型具有更高的短期电力负荷预测精度,其预测平均绝对误差为17.01 kW,均方根误差为21.80 kW,平均绝对百分比误差为0.37％.
文献关键词：
短期负荷预测;黑猩猩优化算法;Circle映射;螺旋位置更新策略;Levy飞行;自适应t变异;LSTM;最优参数
中图分类号：
作者姓名：
高超;孙谊媊;赵洪峰;曹培芳
作者机构：
新疆大学电气工程学院 乌鲁木齐830017;国网新疆电力公司 乌鲁木齐830017
文献出处：
引用格式：
[1]高超;孙谊媊;赵洪峰;曹培芳-.基于ICOA-LSTM的短期负荷预测研究)[J].电子测量技术,2022(13):88-95
A类：
螺旋位置更新策略
B类：
ICOA,短期负荷预测,预测研究,电力系统,改进型,算法优化,长短时记忆网络,负荷预测模型,黑猩猩优化算法,局部最优,寻优精度,Circle,策略初始化,全局寻优,搜索路径,搜索空间,全局搜索,搜索能力,Levy,飞行策略,变异策略,最优解,局部极值,收敛精度,隐含层,学习率,最优参数,某地区,实际数据,预测分析,PSO,短期电力负荷预测,平均绝对误差,kW,平均绝对百分比误差
AB值：
0.25182
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。
