10.3969/j.issn.1000-3886.2021.01.021
基于JANET神经网络的短期负荷预测模型
对长短时记忆网络结构进行了简化,提出了一种改进的基于长短时记忆网络(LSTM)的短期负荷预测方法,称为JANET(just another network)网络,以充分利用海量数据中所蕴藏的信息,从而在资源受限的实际场景中实现应用.模型保留了长短时记忆网络中最重要的遗忘门,在保证预测精度的同时,能够有效地缩短训练模型和预测的时间.使用所提出的方法对某电网历史负荷数据集进行预测试验,结果表明,简化模型与标准LSTM网络预测方法有相近的预测精度,在某些数据点甚至有更高的预测精度,同时在使用相同的框架和预测平台的前提下,JANET网络具有更快的运算速度,能够大大缩短负荷预测的计算时间,为电网提供及时有效的负荷预测数据.
短期负荷预测、LSTM神经网络、相关性分析、模型简化、数据预处理
43
TM76(输配电工程、电力网及电力系统)
国家自然科学基金资助项目5187070167
2021-04-19(万方平台首次上网日期,不代表论文的发表时间)
共5页
71-75