基于深度递归神经网络的电力系统短期负荷预测模型

作者：于惠鸣; 张智晟; 龚文杰; 段晓燕深度神经网络深度递归神经网络改进粒子群优化算法短期负荷预测电力系统

摘要：针对电力负荷非线性动态特性导致的负荷预测困难、预测精度低等问题,本文构建了深度递归神经网络短期负荷预测模型。在深度神经网络多隐层结构的基础上,深度递归神经网络增设了关联层,并以改进粒子群算法作为网络的优化学习算法,对模型权值空间进行深度优化。对某地区电网实际负荷进行预测仿真,结果表明与BP网络、深度神经网络相比,深度递归神经网络的平均绝对误差的周平均值分别降低1.61%和0.56%,验证了深度递归神经网络能够融合前馈与反馈连接,提高网络泛化能力,有效提高负荷预测精度.

注：因版权方要求，不能公开全文，如需全文，请咨询杂志社