基于粒子群优化的卷积神经网络短期电力负荷预测方法

本发明涉及一种基于粒子群优化的卷积神经网络短期电力负荷预测方法，包括以下步骤：步骤1、收集需要预测城市的历史温度、湿度数据、每小时负载信息以及每周的负荷数据，得到CNN模型的输入矩阵；步骤2、构建卷积神经网络CNN，得到的稀疏化的特征映射；步骤3、采用改进的增强精英粒子群优化算法EEPSO，获得最优的CNN参数；步骤4、基于步骤3所得到的最优的CNN参数将整个模型进行训练，以获得一个高精度、高鲁棒性且优化完备的CNN模型，最后根据CNN模型进行预测，获得对应24小时的短期负荷预测值。本发明能够解决现有技术中模型优化效率低、预测精度不足的问题。