基于蚁群优化双向长短期记忆神经网络的中长期电网尖峰负荷预测

邱欢; 郭俊杉; 王浩; 蔡鹏程; 柴浩凯

欢迎来到能源电力期刊网！

English Version 读者登录期刊登录

您当前的位置：

首页 >

文章列表页 >

基于蚁群优化双向长短期记忆神经网络的中长期电网尖峰负荷预测

清洁能源 | 更新时间：2026-02-03

- 基于蚁群优化双向长短期记忆神经网络的中长期电网尖峰负荷预测
- 基于蚁群优化双向长短期记忆神经网络的中长期电网尖峰负荷预测
- 电网与清洁能源 2025年41卷第6期页码：137-143
- 作者机构：
  
  1. 国网北京房山供电公司
  2. 西安理工大学电气工程学院
- 作者简介：
- 基金信息：
  
  国家自然科学基金项目（52177193）;陕西省重点研发计划（2022GY-182）~~
- DOI：
  中图分类号： TP18;TM715
- 纸质出版：2025
- 稿件说明：
移动端阅览
邱欢, 郭俊杉, 王浩, 等. 基于蚁群优化双向长短期记忆神经网络的中长期电网尖峰负荷预测[J]. 电网与清洁能源, 2025,41(6):137-143.

邱欢, 郭俊杉, 王浩, et al. 基于蚁群优化双向长短期记忆神经网络的中长期电网尖峰负荷预测[J]. 2025, 41(6): 137-143.
邱欢, 郭俊杉, 王浩, 等. 基于蚁群优化双向长短期记忆神经网络的中长期电网尖峰负荷预测[J]. 电网与清洁能源, 2025,41(6):137-143. DOI：

邱欢, 郭俊杉, 王浩, et al. 基于蚁群优化双向长短期记忆神经网络的中长期电网尖峰负荷预测[J]. 2025, 41(6): 137-143. DOI：

摘要

针对城市电网电压受负荷影响较大、中长期尖峰负荷难以预测等问题，提出一种基于蚁群优化双向长短期记忆神经网络的中长期电网尖峰负荷预测方法。解决了传统双向长短期记忆（bi-directional long short-term memory

BiLSTM）网络处理时间序列数据时的局限性，并利用蚁群算法（ant colony optimization

ACO）在优化神经网络参数上的潜力来提高预测的准确性和可靠性；通过融合ACO和BiLSTM模型，实现自动调整网络参数，寻求最优解决方案，不仅提升了学习效率，还增强了对电网尖峰负荷特性的捕捉能力。通过对某地区电网数据进行测试，所提方法的预测时间和预测精度均超过传统BiLSTM。分析了蚁群优化策略对预测性能的影响，并探讨了预测不同时间尖峰负荷的表现。研究结果表明：利用ACO能有效辅助BiLSTM模型捕捉复杂时间序列特征，在中长期尖峰负荷预测中，显著提升了性能，模型的R2达到0.99，且平均绝对误差降低了7.8%。

Abstract

关键词

Keywords

references

魏步晗,鲍刚,李振华.基于支持向量回归预测模型考虑天气因素和分时电价因素的短期电力负荷预测[J].电网与清洁能源,2023(11).

汤义勤,邹宏亮,蒋旭,唐佳杰,赵洁,何育钦.基于VMD和贝叶斯优化LSTM的母线负荷预测方法[J].电网与清洁能源,2023(02).

徐岩,向益锋,马天祥.基于粒子群算法优化参数的VMD-GRU短期电力负荷预测模型[J].华北电力大学学报(自然科学版),2023(01).

李玉志,刘晓亮,邢方方,温国强,卢楠滟,何慧,焦润海.基于Bi-LSTM和特征关联性分析的日尖峰负荷预测[J].电网技术,2021(07).

唱友义,孙赫阳,顾泰宇,杜维春,王漪,李卫东.采用历史数据扩充方法的风力发电量月度预测[J].电网技术,2021(03).

蔡秋娜,潮铸,苏炳洪,王龙,段秦尉,温亚坤,李冰.基于一种新型鲁棒损失的神经网络短期负荷预测方法[J].电网技术,2020(11).

庞昊,高金峰,杜耀恒.基于时间卷积网络分位数回归的短期负荷概率密度预测方法[J].电网技术,2020(04).

范士雄,李立新,王松岩,刘幸蔚,於益军,郝博文.人工智能技术在电网调控中的应用研究[J].电网技术,2020(02).

Yun-luo YU,Wei LI,De-ren SHENG,Jian-hong CHEN.一种基于改进总体经验模态分解与反向传播神经网络的短期负荷预测方法（英文）[J].Journal of Zhejiang University-Science A(Applied Physics & Engineering),2016(02).

Lee Juyong,Cho Youngsang.National-scale electricity peak load forecasting: Traditional, machine learning, or hybrid model?[J].Energy,2022.

Huang Yanmei,Hasan Najmul,Deng Changrui,Bao Yukun.Multivariate empirical mode decomposition based hybrid model for day-ahead peak load forecasting[J].Energy,2022.

Mughees Neelam,Mohsin Syed Ali,Mughees Abdullah,Mughees Anam.Deep sequence to sequence Bi-LSTM neural networks for day-ahead peak load forecasting[J].Expert Systems With Applications,2021.

Kazemzadeh Mohammad-Rasool,Amjadian Ali,Amraee Turaj.A hybrid data mining driven algorithm for long term electric peak load and energy demand forecasting[J].Energy,2020.

Yunsun Kim,Heung-gu Son,Sahm Kim.Short term electricity load forecasting for institutional buildings[J].Energy Reports,2019.

Key Laboratory of Smart Grid of Ministry of Education, Tianjin University, Tianjin 300072, China,Key Laboratory of Smart Grid of Ministry of Education, Tianjin University, Tianjin 300072, China,Key Laboratory of Smart Grid of Ministry of Education, Tianjin University, Tianjin 300072, China,Key Laboratory of Smart Grid of Ministry of Education, Tianjin University, Tianjin 300072, China.Bi-directional long short-term memory method based on attention mechanism and rolling update for short-term load forecasting[J].International Journal of Electrical Power and Energy Systems,2019.

浏览量

175

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

考虑电动汽车充电负荷及储能寿命的充电站储能容量配置优化

考虑电动汽车充电负荷及储能寿命的充电站储能容量配置优化附视频

适用于小尺寸TFT-LCD的图像锐化算法及其硬件实现

彩色液晶显示器在压铸机实时压射控制器中的应用

基于DSP的液晶显示时钟的设计与实现