典型文献
基于量子加权GRU神经网络的电力系统短期负荷预测
文献摘要：
为提升电力系统短期负荷预测精度,提出粒子群算法优化量子加权门控循环单元神经网络模型.首先,将量子加权神经元融入门控循环单元神经网络中,构建量子加权门控循环单元神经网络预测模型,利用量子信息处理机制,提高该神经网络的非线性逼近能力和泛化能力.然后,使用全局优化能力较强的改进粒子群优化算法对所提出模型的参数进行寻优,构建权重矩阵进行负荷预测.最后,通过实际电网算例进行仿真,仿真结果表明,本文提出的粒子群优化量子加权门控循环单元神经网络预测模型的预测精度较高.
文献关键词：
短期负荷预测;量子加权门控循环单元;神经网络;粒子群优化算法;电力系统
中图分类号：
作者姓名：
王凇瑶;张智晟
作者机构：
青岛大学电气工程学院,青岛 266071
文献出处：
引用格式：
[1]王凇瑶;张智晟-.基于量子加权GRU神经网络的电力系统短期负荷预测)[J].电力系统及其自动化学报,2022(01):1-7
A类：
量子加权门控循环单元
B类：
GRU,电力系统,短期负荷预测,粒子群算法,算法优化,门控循环单元神经网络,入门,神经网络预测模型,量子信息处理,处理机制,非线性逼近,逼近能力,泛化能力,全局优化,改进粒子群优化算法,出模,权重矩阵
AB值：
0.159539
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。
