摘要
针对短期电力负荷存在的波动性大、预测精度低等问题,建立了一种基于注意力机制和批处理混合蛙跳算法的双向门控循环单元网络模型,实现电力负荷的短期预测。文章对传统混合蛙跳算法进行改进,用改进的批处理混合蛙跳算法对双向门控循环单元网络超参数进行寻优,得出最优神经网络参数,利用注意力机制对双向门控循环单元网络的隐藏状态进行加权,得出负荷预测值,并与其他预测算法进行比较。结果表明,文章所建立的神经网络预测模型误差降低至1.705%,有效提高了负荷预测精度。
作者
罗毅
吴佳玮
Luo Yi;Wu Jiawei
出处
《电力设备管理》
2024年第7期126-130,共5页
Electric Power Equipment Management
