本发明属于电力系统短期负荷预测技术领域,公开了基于深度递归神经网络的电力系统短期负荷预测方法,步骤为:(1)收集汇总历史电网负荷和气象数据,建库备用;(2)去除步骤(1)所得异常数据,对剩余数据归一化处理;(3)确定具有前馈和反馈功能的模型结构;(4)采用历史数据对基于IPSO算法的DRNN预测模型进行训练;(5)将基于IPSO算法的DRNN预测模型用于实际负荷的预测中。本技术方案深度递归神经网络短期负荷预测方法在深度神经网络多隐层结构的基础上增设关联层,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。误差有效降低,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。
声明:
“基于深度递归神经网络的电力系统短期负荷预测方法” 该技术专利(论文)所有权利归属于技术(论文)所有人。仅供学习研究,如用于商业用途,请联系该技术所有人。
我是此专利(论文)的发明人(作者)