【技术实现步骤摘要】
本专利技术涉及一种用于实现预测短期内电力负荷的深度神经网络模型，具体涉及一种基于粒子群优化lstm算法的短期电力负荷预测方法。
技术介绍
1、短期电力负荷预测受多种因素的影响而呈现出不同的特征，这些因素中气象和日期类型等因素对短期负荷的影响比较大。随着经济社会的发展，对电力需求持续增长，保证大电网安全成为关乎国家安全战略与可持续发展的重要议题。当下随着风能、光伏的广泛应用，其不稳定和间歇性的特点对电网安全带来新的挑战。对短期用电负荷的准确预测为电网提供更多的方案解决供能侧的不稳定挑战：一方面，依据负荷预测结果可以合理配置各种形式的能源，提高能源利用效率及系统运行的经济性；另一方面，还可以依据负荷预测结果制定需求响应计划，实现能源供需平衡，提高系统运行的可靠性。
技术实现思路
1、针对以上问题，本专利技术的目的是提供一种基于粒子群优化lstm算法的短期电力负荷预测方法，本专利技术对短期电力负荷具有较好的预测准确性和良好的有效性。
2、本专利技术的目的通过以下技术方案实现：
...【技术保护点】
1.一种基于粒子群优化LSTM算法的短期电力负荷预测方法，其特征在于包含以下步骤：
2.根据权利要求1中所述的一种基于粒子群优化LSTM算法的短期电力负荷预测方法，其特征在于，步骤二中，从子群的局部最优粒子获取信息拓展局部搜索能力，其更新方式为：
3.根据权利要求1中所述的一种基于粒子群优化LSTM算法的短期电力负荷预测方法，其特征在于，步骤二中，为保证避免陷入局部最优，子群局部最优粒子利用综合各个子群的局部最优粒子信息引导其更新位置，如下式：
4.根据权利要求1中所述的一种基于粒子群优化LSTM算法的短期电力负荷预测方法，其特征在...
【技术特征摘要】
1.一种基于粒子群优化lstm算法的短期电力负荷预测方法，其特征在于包含以下步骤：
2.根据权利要求1中所述的一种基于粒子群优化lstm算法的短期电力负荷预测方法，其特征在于，步骤二中，从子群的局部最优粒子获取信息拓展局部搜索能力，其更新方式为：
3.根据权利要求1中所述的一种基于粒子...
【专利技术属性】
技术研发人员：奚梦婷，沈力，刘子寒，查俊杰，陆佳鑫，朱佳佳，李博，刘友春，
申请(专利权)人：国网江苏省电力有限公司信息通信分公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。