典型文献
基于ISSA优化的Elman神经网络短期电力负荷预测
文献摘要：
精准的短期电力负荷预测可以保障电力系统的安全可靠和经济高效运行,而传统预测方法难以满足愈发精确的负荷预测要求.针对该问题,提出一种基于改进麻雀搜索算法(improved sparrow search algorithm,ISSA)优化的Elman神经网络方法进行短期电力负荷预测.首先,利用logistic混沌映射策略初始化麻雀种群以增加群体位置的多样性,并通过引入萤火虫扰动策略更新麻雀的最终位置,提升麻雀搜索算法的准确度;其次,采用ISSA算法优化Elman神经网络,避免Elman神经网络的初始权值阈值过于盲目随机,从而提高预测结果的稳定性;最后,根据扬州电网的电力负荷数据进行仿真验证.结果表明,采用ISSA算法优化的Elman神经网络进行电力负荷预测时的预测精度高,稳定性好.
文献关键词：
麻雀搜索算法;logistic混沌映射;萤火虫扰动策略;Elman神经网络;负荷预测
中图分类号：
作者姓名：
徐武;汤弘毅;杨昊东;徐浩东
作者机构：
云南民族大学电气信息工程学院,昆明650000;陕西长庆专用车制造有限公司,陕西咸阳712000
文献出处：
引用格式：
[1]徐武;汤弘毅;杨昊东;徐浩东-.基于ISSA优化的Elman神经网络短期电力负荷预测)[J].扬州大学学报（自然科学版）,2022(01):37-42
A类：
B类：
ISSA,Elman,短期电力负荷预测,电力系统,高效运行,传统预测,改进麻雀搜索算法,improved,sparrow,search,algorithm,神经网络方法,logistic,混沌映射,策略初始化,萤火虫扰动策略,升麻,算法优化,权值阈值,扬州,负荷数据,仿真验证
AB值：
0.205436
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。
