典型文献
基于PSO优化BiLSTM的联合循环电厂输出功率预测
文献摘要：
针对联合循环电厂发电能力受环境温度、压力、相对湿度和电力需求等条件变化影响而造成对输出功率预测精度较差的问题,提出粒子群算法(PSO,particle swarm optimization)与BiLSTM(BiLSTM,bi-directional long short-term memory)相结合的预测模型PSO-BiLSTM.利用PSO的寻优能力对BiLSTM的隐含层神经元个数、周期次数、学习率、批大小值等参数进行优化,不仅实现自动调参,而且进一步提高了BiLSTM模型在电厂输出功率预测性能.最后依据优化参数建立PSO-BiLSTM预测模型对UCI标准数据集进行预测.实验结果表明,PSO-BiLSTM模型的均方根误差、平均绝对百分比误差等指标均优于所列举的典型算法以及优化组合算法,模型在预测电力负荷数据方面有较高的精度.
文献关键词：
联合循环电厂;功率预测;BiLSTM神经网络;PSO算法
中图分类号：
作者姓名：
邵科嘉;周玉;宋豪;山浩强
作者机构：
华北水利水电大学 电力学院,河南 郑州 450045
文献出处：
引用格式：
[1]邵科嘉;周玉;宋豪;山浩强-.基于PSO优化BiLSTM的联合循环电厂输出功率预测)[J].电力科学与工程,2022(02):9-17
A类：
B类：
PSO,BiLSTM,联合循环电厂,输出功率预测,对联,发电能力,相对湿度,电力需求,变化影响,粒子群算法,particle,swarm,optimization,bi,directional,long,short,term,memory,寻优能力,隐含层,期次,学习率,自动调参,预测性能,优化参数,UCI,标准数据集,平均绝对百分比误差,所列,优化组合,组合算法,电力负荷,负荷数据
AB值：
0.390331
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。
