典型文献
基于LSTM和PSO联合优化的微电网短期负荷预测方法
文献摘要：
针对园区级微电网负荷规模较小,波动性和不可预测性较强,受天气、体感参数等可测量和预知的因素较小,而受到随机启动负荷的影响较大,传统电力系统负荷预测误差较大,提出了一种基于长短时记忆(LSTM)日间预测和粒子群算法(PSO)日内修正的负荷预测方法.通过利用LSTM学习模型的特征提取能力和时序相关性学习能力得到日间预测负荷曲线,为了进一步提升预测精确度,采用PSO在待预测日当日对负荷曲线进行二次修正.算例表明,所提策略具有较高的预测精度准确率,可以应用于微电网短期负荷预测实践.
文献关键词：
微电网;短期负荷预测;LSTM;PSO
中图分类号：
作者姓名：
许建;王家华;陈玉峰
作者机构：
北京四方继保自动化股份有限公司,北京 100085
文献出处：
引用格式：
[1]许建;王家华;陈玉峰-.基于LSTM和PSO联合优化的微电网短期负荷预测方法)[J].电器与能效管理技术,2022(09):74-79,84
A类：
B类：
PSO,联合优化,微电网,电网短期负荷预测,负荷预测方法,区级,电网负荷,规模较,波动性,可预测性,可测量,预知,传统电力,电力系统,系统负荷,预测误差,长短时记忆,日间,粒子群算法,特征提取能力,时序相关性,相关性学习,预测负荷,负荷曲线,预测精确度,当日,略具
AB值：
0.365825
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。
