基于改进PSO优化LSTM网络的典型用电负荷模式识别
文档名：基于改进PSO优化LSTM网络的典型用电负荷模式识别
摘要：新能源发电的推广和使用加剧了用电高峰期电网供需矛盾,对电力用户的负荷模式进行识别可以为负荷参与调峰决策提供支持.为提高用电负荷模式辨识准确率,提出一种基于改进粒子群(IPSO)算法优化长短期记忆(LSTM)神经网络的用电负荷模式识别模型.通过引入多样化初始参数、动态非线性权重和淘汰机制等措施,改善了粒子群算法的寻优能力,实现对LSTM的关键参数寻优,确定LSTM神经网络的最优参数组合.实验结果表明,该方法可以有效提高模型的准确率,同时节省模型的训练时间.
Abstract：Promotionanduseofnewenergypowergenerationhasaggravatedthecontradictionbetweensupplyanddemandofpowergridduringpeakhours.Identificationofloadpatternsofpoweruserscanprovidesupportforloadparticipationinpeakregulationdecisions.Inordertoimprovetheaccuracyofpowerloadpatternrecognition,apowerloadpatternrecognitionmodelbasedonimprovedparticleswarmoptimization(IPSO)algorithmtooptimizelongshort-termmemory(LSTM)neuralnetworkisproposed.Byintroducingdiversifiedinitialpa-rameters,dynamicnonlinearweightsandeliminationmechanism,theoptimizationabilityofPSOalgorithmisimproved,thekeyparame-tersofLSTMareoptimized,andoptimalparametercombinationofLSTMneuralnetworkisdetermined.Experimentalresultsshowthatthismethodcaneffectivelyimprovetheaccuracyofthemodelandsavethetrainingtimeofthemodel.
作者：贾磊 龚正 吴海伟 耿文逸 王琚玮 Author：JIALei GONGZheng WUHaiwei GENGWenyi WANGJuwei
作者单位：国网江苏省电力有限公司扬州市江都区供电分公司,江苏扬州225200国网江苏省电力有限公司,南京210000
刊名：电力需求侧管理
Journal：PowerDemandSideManagement
年，卷(期)：2024, 26(1)
分类号：TK018F407
关键词：负荷模式改进粒子群算法长短期记忆神经网络参数寻优
Keywords：loadmodeimprovedparticleswarmoptimizationlongshort-termmemoryneuralnetworkparameteroptimization
机标分类号：TP391TP183U491.1
在线出版日期：2024年2月1日
基金项目：国网江苏省电力有限公司科技项目基于改进PSO优化LSTM网络的典型用电负荷模式识别[
期刊论文]电力需求侧管理--2024, 26(1)贾磊龚正吴海伟耿文逸王琚玮新能源发电的推广和使用加剧了用电高峰期电网供需矛盾,对电力用户的负荷模式进行识别可以为负荷参与调峰决策提供支持.为提高用电负荷模式辨识准确率,提出一种基于改进粒子群(IPSO)算法优化长短期记忆(LSTM)神经网络的...参考文献和引证文献
参考文献
引证文献
本文读者也读过
相似文献
相关博文
基于改进PSO优化LSTM网络的典型用电负荷模式识别Typical power load mode recognition based on IPSO optimization and LSTM network
基于改进PSO优化LSTM网络的典型用电负荷模式识别.pdf
页:
[1]