典型文献
改进的黑猩猩算法优化LSTM的短期电力负荷预测
文献摘要：
针对电力负荷随机性强、预测精度不高的问题,提出一种基于改进型黑猩猩优化算法(ICOA)优化长短时记忆网络(LSTM)的短期负荷预测模型.为了避免标准的黑猩猩算法求解LSTM参数优化问题时易陷入局部最优和收敛速度慢等缺陷,首先通过Sin混沌映射初始化黑猩猩种群,增强种群多样性,提高初始解的质量;其次,提出一种非线性收敛因子,均衡算法的全局与局部搜索能力,提高收敛速度;然后,引入反向学习策略和柯西高斯变异对最优黑猩猩进行扰动变异,提高算法局部和全局的开发能力,进而提高算法的寻优能力;最后,利用ICOA对LSTM网络的隐含层神经元数、学习率等参数进行优化,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Elman、LSTM、PSO?LSTM、WOA?LSTM、COA?LSTM预测方法相比,文中所提方法的收敛速度和预测精度均有大幅提升.
文献关键词：
短期负荷预测;长短时记忆网络;改进型黑猩猩优化算法;Sin混沌映射;收敛因子;反向学习
中图分类号：
作者姓名：
高超;孙谊媊;赵洪峰;邓林鲜;魏鹏飞
作者机构：
新疆大学 电气工程学院,新疆 乌鲁木齐 830000;国网新疆电力有限公司,新疆 乌鲁木齐 830000
文献出处：
引用格式：
[1]高超;孙谊媊;赵洪峰;邓林鲜;魏鹏飞-.改进的黑猩猩算法优化LSTM的短期电力负荷预测)[J].现代电子技术,2022(21):122-126
A类：
改进型黑猩猩优化算法
B类：
算法优化,短期电力负荷预测,随机性,ICOA,长短时记忆网络,短期负荷预测,负荷预测模型,优化问题,局部最优,收敛速度,速度慢,Sin,混沌映射,初始化,种群多样性,初始解,非线性收敛因子,均衡算法,局部搜索,搜索能力,反向学习策略,柯西,高斯变异,寻优能力,隐含层,学习率,最优参数,某地区,实际数据,预测分析,Elman,PSO,WOA
AB值：
0.25469
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。
