TY -的A2 - Ma,俊威盟——荣,现任非盟-周Hanghang盟——曹,子健AU -王,张非盟-风扇,Linjuan PY - 2022 DA - 2022/12/26 TI -短期负荷预测的改进自组织迁移算法LSTM结构优化SP - 6811401六世- 2022 AB -建立一个精确的和健壮的短期负荷预测(STLF)模型对电力系统安全运行和合理调度是必要和有益的。虽然深长期短期记忆(LSTM)网络已经广泛应用于负荷预测应用,它仍然有一些问题优化,如不稳定的网络性能和优化时间长。本研究提出了一种自适应步长自组织迁移算法(AS-SOMA)改善LSTM的预测性能。首先,开发LSTM预测优化模型,寻求LSTM结构分为两个阶段。一是优化层隐层的数量,和其他优化神经元的数量,时间步,学习速率,时代和批量大小。然后物流混沌映射,提出了一种自适应步长方法克服慢收敛问题和堆积成SOMA的局部最优。比较实验SOMA, PSO、复LSOMA, OSMA测试函数集显示改进算法的优点。最后,AS-SOMA-LSTM网络预测模型用于解决STLF问题来验证该算法的有效性。仿真实验表明,该AS-SOMA展品更高的精度和收敛速度的标准测试函数集和预测能力强与LSTM STLF应用程序。SN - 1024 - 123 - 2022/6811401 / 10.1155 x你——https://doi.org/10.1155/2022/6811401——摩根富林明——数学问题在工程PB - Hindawi KW - ER