本發明屬于電力系統短期負荷預測技術領域,公開了基于深度遞歸神經網絡的電力系統短期負荷預測方法,步驟為:(1)收集匯總歷史電網負荷和氣象數據,建庫備用;(2)去除步驟(1)所得異常數據,對剩余數據歸一化處理;(3)確定具有前饋和反饋功能的模型結構;(4)采用歷史數據對基于IPSO算法的DRNN預測模型進行訓練;(5)將基于IPSO算法的DRNN預測模型用于實際負荷的預測中。本技術方案深度遞歸神經網絡短期負荷預測方法在深度神經網絡多隱層結構的基礎上增設關聯層,并以改進粒子群算法作為網絡的優化學習算法,對模型權值空間進行深度優化。誤差有效降低,能夠融合前饋與反饋連接,提高網絡泛化能力,有效提高負荷預測精度。
聲明:
“基于深度遞歸神經網絡的電力系統短期負荷預測方法” 該技術專利(論文)所有權利歸屬于技術(論文)所有人。僅供學習研究,如用于商業用途,請聯系該技術所有人。
我是此專利(論文)的發明人(作者)