考虑多因素的深度学习融合方法实现负荷预测

摘要：

综合考虑电力负荷预测受多因素影响的特性,提出一种深度学习融合方法即K近邻和长短期记忆网络融合模型(KNN-LSTM)实现电力负荷预测.为了充分挖掘影响电力负荷预测的关键因素,引入了KNN算法衡量各因素与负荷数据之间的欧式距离以遴选最邻近的K个负荷影响因素,基于选取的负荷因素数据构建监督学习数据集,引入LSTM模型实现了电力负荷高精度预测.结果 表明,KNN-LSTM方法可以有效地提取关键负荷因素并获得良好的预测性能.

关键词：负荷预测、深度学习、多因素、K近邻、长短期记忆网络

所属期刊栏目：42

分类号：TM711(输配电工程、电力网及电力系统)

在线出版日期：2020-11-20（万方平台首次上网日期，不代表论文的发表时间）

页数：共3页

页码：61-63