摘要
本发明涉及一种基于鸡群算法优化Elman神经网络的短期电力负荷预测方法,该方法采用具有局部记忆单元和局部反馈连接的Elman神经网络建立预测模型,并利用具有全局搜索能力的鸡群算法CSO优化Elman神经网络的初始权值和阈值,构建出CSO‑Elman短期电力负荷预测模型;然后,对CSO‑Elman短期电力负荷预测模型进行训练;最后,利用训练好的CSO‑Elman短期电力负荷预测模型进行短期电力负荷预测。该方法有利于提高短期电力负荷预测的准确性和稳定性。
技术关键词
Elman神经网络
短期电力负荷预测
鸡群算法
建立预测模型
初始聚类中心
非线性状态空间
记忆单元
智能电表采集
样本
误差函数
位置更新
方程
特征选择
异常数据
系统为您推荐了相关专利信息
电力负荷预测模型
短期电力负荷预测
集合经验模态分解
Attention机制
搜索算法
汽车火花塞
工作参数数据
系统监控模块
检测预警系统
预警模块
应急预警装置
河道整治工程
水位监测组件
预警模块
调控系统
云服务平台
招投标方法
招投标系统
初始聚类中心
节点